為什么選SVD而不是PCA?Lauchli 矩陣

對于輸入樣本Tensor X來說,PCA一般不會直接對X進(jìn)行特征值分解,因?yàn)閄往往不能保證是實(shí)對稱方陣。所以PCA在實(shí)際中是對

來進(jìn)行特征值分解的。在轉(zhuǎn)置相乘的過程中可能損失掉X的特征信息,詳情請見如下Lauchli矩陣[1]:


其中


代表一個小正數(shù)。

此時直接對Tensor X進(jìn)行特征值分解可以取得更好的分解效果。






參考文獻(xiàn):

[1]P. Lauchli, Jordan-Elimination und Ausgleichung nach kleinsten Quadraten, Numer. Math, 3 (1961), pp. 226-240.

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容