回想起線性代數,在記憶中只剩炎炎的夏夜,壞掉的風扇,和趴在課桌上奄奄一息的本熊.但這文章改變了本熊對它的看法.公式都變得有現實參考,就像看到了sf**中存在的躍遷理論一般,啟動ftl,設定座標,然後jump,我們的征途是星辰大海.
以下就是本熊推薦的文章,來自孟巖老師的理解矩陣共三篇,對樹立矩陣的世界觀有很大的作用,當然對將來資料分析的理解也會有新的見解.
如今在網路上有許多關於svd的文章,本熊就不多做敘述,理解本質遠比學習工具的使用方法要重要的多.本熊將在下期對svd等相關技術結合往期的資料抓取技術,把資料變得更加有用,最終目的就是完成乙個本熊版搜尋引擎.
奇異值分解 SVD
最近不小心接觸到了svd，然後認真看下去之後發現這東西真的挺強大的，把乙個推薦問題轉化為純數學矩陣問題，看了一些部落格，把乙個寫個比較具體的博文引入進來，給自己看的，所以把覺得沒必要的就去掉了，博文下面附原始部落格位址。一 基礎知識 1.矩陣的秩 矩陣的秩是矩陣中線性無關的行或列的個數 2.對角矩陣...
SVD奇異值分解
原文出處 今天我們來講講奇異值分解和它的一些有意思的應用。奇異值分解是乙個非常，非常，非常大的話題，它的英文是 singular value decomposition，一般簡稱為 svd。下面先給出它大概的意思 對於任意乙個 m n 的矩陣 m 不妨假設 m n 它可以被分解為 m udv t 其...
奇異值分解（SVD）
svd是singular value decomposition的縮寫，是去除冗餘 資訊提取和資料約簡的強大工具。若a為p q實數矩陣，則存在p階正交矩陣u和q階正交矩陣v，使得 a u v 上式就是奇異值分解，其中p q矩陣 中，i，i 元素 i 0,i 1,2,3,min p,q 其他元素均為0...