矩阵分解(matrixfactorization)

    xiaoxiao2021-03-25  41

    1. 基本概念

    针对高维空间中的数据集,矩阵分解通过寻找到一组基及每一个数据点在该基向量下的表示,可对原始高维空间中的数据集进行压缩表示。

    X=[x1,,xm]Rm×n 为数据矩阵,矩阵分解的数学含义即为,找到如下的两个矩阵( URm×k,ARk×n ),其矩阵乘法可实现对原始数据集的最优逼近:

    XUA

    URm×k U 中的每一列(共 k列)可视为对该高维数据集空间中的基向量; ARk×n A 中的每一列(共 n 列)可视为每一个样本在基向量下的线性表示( k 维表示);

    从这一角度来看,矩阵分解可视为 mk 的降维算法。

    矩阵分解可进一步定义为如下的优化问题:

    minU,AXUA2F

    转载请注明原文地址: https://ju.6miu.com/read-200082.html

    最新回复(0)