特征值分解与奇异值分解
2014-12-30 17:45
225 查看
特征值分解和奇异值分解是重要的线代知识,在大量算法里面出现,特意在这里总结一下。
*特征值分解
定义:
:特征值
:对应的特征向量
目标:
将一个矩阵分解成
过程:
方法:
算出A的特征值,组成Σ;算出每个特征值对应的特征向量(彼此正交),组成S
含义:
对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。
局限:只能处理方阵
为了处理一般矩阵,得到矩阵的重要特征,提出了奇异值分解
*奇异值分解
目标:
U是一个N * N的方阵(里面的向量是正交的,U里面的向量称为左奇异向量)
Σ是一个N * M的矩阵(除了对角线的元素都是0,对角线上的元素称为奇异值)
V’(V的转置)是一个N * N的矩阵,里面的向量也是正交的,V里面的向量称为右奇异向量)
方法:
第一步:得到
和V
因而对A’(A的转置)*A进行特征值分解,得到
和V
第二步:计算U
方法①:
,与上述思路相同,求出U
方法②:
求出U
复杂度:O(N^3)
google有提出并行化的方法
参考文献:
1.机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用:http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
2.如何理解矩阵特征值? :http://www.zhihu.com/question/21874816
3.奇异值分解(We Recommend a Singular Value Decomposition)http://www.flickering.cn/nlp/2015/01/%e5%a5%87%e5%bc%82%e5%80%bc%e5%88%86%e8%a7%a3%ef%bc%88we-recommend-a-singular-value-decomposition%ef%bc%89/#jtss-tsina
*特征值分解
定义:
:特征值
:对应的特征向量
目标:
将一个矩阵分解成
过程:
方法:
算出A的特征值,组成Σ;算出每个特征值对应的特征向量(彼此正交),组成S
含义:
对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。
局限:只能处理方阵
为了处理一般矩阵,得到矩阵的重要特征,提出了奇异值分解
*奇异值分解
目标:
U是一个N * N的方阵(里面的向量是正交的,U里面的向量称为左奇异向量)
Σ是一个N * M的矩阵(除了对角线的元素都是0,对角线上的元素称为奇异值)
V’(V的转置)是一个N * N的矩阵,里面的向量也是正交的,V里面的向量称为右奇异向量)
方法:
第一步:得到
和V
因而对A’(A的转置)*A进行特征值分解,得到
和V
第二步:计算U
方法①:
,与上述思路相同,求出U
方法②:
求出U
复杂度:O(N^3)
google有提出并行化的方法
参考文献:
1.机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用:http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
2.如何理解矩阵特征值? :http://www.zhihu.com/question/21874816
3.奇异值分解(We Recommend a Singular Value Decomposition)http://www.flickering.cn/nlp/2015/01/%e5%a5%87%e5%bc%82%e5%80%bc%e5%88%86%e8%a7%a3%ef%bc%88we-recommend-a-singular-value-decomposition%ef%bc%89/#jtss-tsina
相关文章推荐
- 奇异值分解和特征值分解
- 特征值分解(EVD)和奇异值分解(SVD)
- 矩阵的“特征值分解”和“奇异值分解”区别
- 特征值分解、奇异值分解、PCA概念整理
- 矩阵的“特征值分解”和“奇异值分解”区别
- 特征值分解、奇异值分解、PCA概念整理
- 特征值分解,奇异值分解(SVD)
- 特征值分解、奇异值分解、PCA概念整理
- 矩阵的特征值分解与奇异值分解
- matlab矩阵及其基本运算—特征值分解和奇异值分解
- 特征值分解、奇异值分解、PCA概念整理
- 特征值分解、奇异值分解(SVD)、主成分分析(PCA)
- 特征值分解、奇异值分解(SVD)原理与在降维中的应用
- matlab特征值分解和奇异值分解
- 矩阵的“特征值分解”和“奇异值分解”区别
- 矩阵的特征值分解和奇异值分解
- matlab特征值分解和奇异值分解
- 特征值分解、奇异值分解、PCA概念整理
- 【推荐系统】特征值分解(谱分解)和奇异值分解(SVD),即在PCA上的应用
- 特征值分解与奇异值分解