Разложение SVD (Singular Value Decomposition)
Операция:
SVD - это метод разложения матрицы на три другие матрицы, что помогает выделить основные узоры (patterns) из данных. SVD используется в различных областях, включая обработку сигналов, обработку изображений, машинное обучение и др.
Свойства:
- Пусть
A
- матрица размерностиm x n
. SVD представляется следующим образом:A = UΣV^T
, гдеU
- унитарная матрица размерностиm x m
.Σ
- диагональная матрица размерностиm x n
с сингулярными числами по диагонали.V^T
- транспонированная унитарная матрица размерностиn x n
.
- Сингулярные значения в матрице
Σ
упорядочены по убыванию и показывают важность соответствующих компонент. - SVD позволяет эффективно сжимать данные, убирая "лишние" компоненты с низкой важностью.