SVD奇异值分解 中特征值与奇异值的数学理解与意义

前言 之前的博客中SVD推荐算法写得不是很严谨， r̂ ui=∑Ff=1PufQfi+μ+bu+bi r ^ u i = ∑ f = 1 F P u f Q f i + μ + b u + b i 更像是矩阵分解多一点，没有涉及到SVD的数学意义，这篇博客大概会写一些数学SVD的数学理解，以及SVD在PCA和推荐算法上面的应用。 特征值与特征向量 如果一个向量 v v 是 方阵 A A 的特征向量

>>阅读原文<<