SVD（奇异值分解）真的是一个神奇的东西，这里就写个小结。
其实原理并不是那么难理解。
它在数据去噪方面和降维上有特殊作用，也与PCA有很大的联系。
首先我们先回顾一下 EVD，特征值分解，可以对SVD有更好地理解
一、特征值分解
特征值分解是每本线性代数书上基本都会涉及到的东西，涉及的基本原理也比较多。
它的过程其实就是相似对角化。
我们知道对称矩阵必定可以进行相似对角化，那么这里就说一下它的推导吧。
二、奇异值分解
本文共 261 字，大约阅读时间需要 1 分钟。
SVD（奇异值分解）真的是一个神奇的东西，这里就写个小结。
其实原理并不是那么难理解。
它在数据去噪方面和降维上有特殊作用，也与PCA有很大的联系。
首先我们先回顾一下 EVD，特征值分解，可以对SVD有更好地理解
一、特征值分解
特征值分解是每本线性代数书上基本都会涉及到的东西，涉及的基本原理也比较多。
它的过程其实就是相似对角化。
我们知道对称矩阵必定可以进行相似对角化，那么这里就说一下它的推导吧。
二、奇异值分解
转载于:https://www.cnblogs.com/Saurus/p/7402223.html