선형대수 (1) 썸네일형 리스트형 특이값분해(Singular Value Decomposition, SVD) ○ Full singular value decomposition(SVD) Reference) SVD와 PCA, 그리고 잠재의미분석(LSA) Singular Value Decomposition Tutorial 직사각형 행렬 $A$는 직교성 행렬 $U$와 대각행렬 $S$그리고 직교성 행렬의 전치행렬인 $V$로 분해된다. $A_{mn}=U_{mm}S_{mn}V_{nn}^T$ 이 때 $U^{T}U=I$, $V^{T}V=I$일 때, $U$는 $AA^{T}$의 직교성 eigenvectors($m,m$ 차원), $V$는 $A^{T}A$의 직교성 eigenvecter($n,n$ 차원) $S$는 $U$또는 $V$의 eigenvalue의 제곱근을 대각행렬로 갖는다. 예시를 들어보자 $A$가 하기와 같을 때 $A = \be.. 이전 1 다음
