- Перший етап це вибір матриці А, що відображає якусь взаємодію. Далі сам SVD розклад на ортогональну матрицю з лівих сингулярних векторів U, діагональну матрицю з сингулярних значень Сігма та ортогональну матрицю з правих сингулярних векторів V. Перемноживши ці матриці назад ми отримаємо нову матрицю А, але з наближеними значеннями, і наприклад якщо деяких значень не було то ми їх таким чином наближено обчислимо.
- Рекомендації, стискання файлів, розпізнавання обєктів.
- k це кількість сингулярних чисел. Більший k – більша точність але і більша розмірність, отже повільніша обробка. Менший – менша точність але і швидша обробка
- Недоліки: складність обрахунку великих даних, чутливість до кількості пропусків. Переваги: універсальність та висока точність.
tabatskyi / applied-linear-algebra-lab-3 Goto Github PK
View Code? Open in Web Editor NEWApplied Linear Algebra Lab 3
License: MIT License