人工智能数学参考---4、SVD矩阵分解 注意
一、总结
一句话总结：
*、100万行数据（用户购买商品数据），10万件商品，加入某个用户只买了3件商品，那就太稀疏了，所以可以100万*10和10*10万
*、m*n的矩阵 转化为 m*k+k*k+k*n
*、照样按照特征值的大小来进行筛选，一般前10%的特征值（甚至更少）的和就占到了总体的99%了。
1、规范正交基？
e1，e2，…，e，是向量空间V中的一个基（比如是坐标系，正交）；
e1，e2，…，e，两两正交；
e1，e2，…，e，都是单位向量；
2、特征值和特征向量？
-、拳击怎么赢？攻击的方向与力量！我们可以把方向当做是特征向量，在这个方向上用了多大力量就是特征值。
-、对于给定矩阵A，寻找一个常数λ和非零向量x，使得向量x被矩阵A作用后所得的向量Ax与原向量x平行，并且满足Ax=λx
-、既然特征值表达了重要程度且和特征向量所对应，那么特征值大的就是主要信息了，基于这点我们可以提取各种有价值的信息了！
3、矩阵作用在向量之后的效果？
矩阵可以作用在向量上，可以对向量进行拉伸或者旋转
3 0 x 3x 0 1 y y
二、内容在总结中
博客对应课程的视频位置：