%E7%BC%96%E7%A8%8B%E7%9B%B8%E5%85%B3/%E5%A5%87%E5%A5%87%E5%96%B5%E5%96%B5%E7%AE%97%E6%B3%95/SVD-%E5%A5%87%E5%BC%82%E5%80%BC%E5%88%86%E8%A7%A3-%E9%83%A8%E5%88%86%E7%AC%94%E8%AE%B0 #16
Replies: 1 comment
-
|
🎉 |
Beta Was this translation helpful? Give feedback.
0 replies
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Uh oh!
There was an error while loading. Please reload this page.
Uh oh!
There was an error while loading. Please reload this page.
-
%E7%BC%96%E7%A8%8B%E7%9B%B8%E5%85%B3/%E5%A5%87%E5%A5%87%E5%96%B5%E5%96%B5%E7%AE%97%E6%B3%95/SVD-%E5%A5%87%E5%BC%82%E5%80%BC%E5%88%86%E8%A7%A3-%E9%83%A8%E5%88%86%E7%AC%94%E8%AE%B0
youtube.com/watch 代数明珠—奇异值分解(SVD)生动动画演示!_哔哩哔哩_bilibili 代数过程 代数不好,不记了。感兴趣上网找资料去,肯定不少人写了。 简单理解 不会重复视频里面有的东西。 SVD 分解可以表示为简单的公式 A=U\Sigma V^T。 SVD 干了什么? 右边表示的矩阵大致是几部分。从右到左的,一是将原矩阵变化到特征向量正交的形式,这样中间的\Sigma矩阵就能以简单的方式来记录特征值。二是中间的\Sigma矩阵记录了矩阵A特征值和特征向量(注意:A保存的是奇异值而不是直接存储特征值,奇异值是特征值的平方根)的情况。三是U矩阵再将之前V^T矩阵做的变换...
https://library.whispery.top/%E7%BC%96%E7%A8%8B%E7%9B%B8%E5%85%B3/%E5%A5%87%E5%A5%87%E5%96%B5%E5%96%B5%E7%AE%97%E6%B3%95/SVD-%E5%A5%87%E5%BC%82%E5%80%BC%E5%88%86%E8%A7%A3-%E9%83%A8%E5%88%86%E7%AC%94%E8%AE%B0
Beta Was this translation helpful? Give feedback.
All reactions