操作系统寒武纪 - 会让企业IT高兴吗?
822
2022-11-18
【李航】统计学习方法--15. 奇异值分解(详细推导)
文章目录
15.1 奇异值分解的定义与性质
15.1.1 定义与定理15.1.2 紧奇异值分解与截断奇异值分解15.1.3 几何解释15.1.4 主要性质
15.2 奇异值分解的计算15.3 奇异值分解与矩阵近似
15.3.1 弗罗贝尼乌斯范数15.3.2 矩阵的最优近似15.3.3 矩阵的外积展开式
奇异值分解(singular value decomposition, SVD)是一种矩阵因子分解方法,是线性代数的概念任意一个mxn矩阵,都可以表示为三个矩阵的乘积(因子分解)形式,分别是m阶正交矩阵、由降序排列的非负的对角线元素组成的mxn矩形对角矩阵和n阶正交矩阵,称为该矩阵的奇异值分解。矩阵的奇异值分解一定存在,但不唯一。奇异值分解可以看作是矩阵数据压缩的一种方法,即用因子分解的方式近似地表示原始矩阵,这种近似是在平方损失意义下的最优近似。
15.1 奇异值分解的定义与性质
15.1.1 定义与定理
15.1.2 紧奇异值分解与截断奇异值分解
紧奇异值分解对应着无损压缩截断奇异值分解对应着有损压缩。
15.1.3 几何解释
15.1.4 主要性质
15.2 奇异值分解的计算
15.3 奇异值分解与矩阵近似
15.3.1 弗罗贝尼乌斯范数
因为
故
即
15.3.2 矩阵的最优近似
则
则
下面证明
于是式 ①成立。
15.3.3 矩阵的外积展开式
则
设矩阵
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~