原书出处
机器学习算法原理与编程实践
04 第4章 推荐系统原理
户,M个物品,这样形成的一个N×M的矩阵就不可能是方阵。怎样才能描述普通矩阵的重要特征呢?奇异值分解可以用来做这件事情。
奇异值分解是一个能适用于任意矩阵的分解方法。 A=UΣVT 假设A是一个N×M的矩阵,那么得到的U是一个N×N的方阵(里面的向量是正交的,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)
,VT (V的转置)是一个N×N的矩阵(里面的向量也是正交的,称为右奇异向量)。 下面的公式反映上面几个矩阵相乘后维度的
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00016.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d