SVD1 특이값 분해 (Singular Value Decomposition) 📚 특이값 분해 (Singular Value Decomposition) ✅ 기본 개념 위의 고유분해를 사용하면 하나의 행렬을 서로 다른 3개의 행렬로 분해할 수 있다. 이 때 분해하는 행렬은 정사각 행렬이어야 한다. 한편, 분해 대상 행렬이 정사각 행렬이 아니라 직사각 행렬일 경우에는 위와 같이 SVD를 사용할 수 있다. 각 기호에 대한 설명은 아래와 같다. X : 정사각행렬이 아닌 m x n 형태의 행렬 U : XXT 행렬의 고유벡터를 열로 갖는 행렬 V : XTX 행렬의 고유벡터를 열로 갖는 행렬 D : 대각원소가 XTX 또는 XXT의 eigen values(λi)에 루트를 씌운 값(√λi )인 대각 행렬. 이 값을 X에 대한 singular value라고 한다. 📌예시 X 가 3x2 형태의 행렬일 .. 2022. 6. 17. 이전 1 다음
