Domande taggate «svd»

Decomposizione del valore singolare (SVD) di una matrice A è dato da A=USV⊤ dove U e V sono matrici ortogonali e S è una matrice diagonale.

2
Perché non riesco a ottenere un SVD valido di X tramite decomposizione autovalore di XX 'e X'X?
Sto cercando di fare SVD a mano: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) Ma l'ultima riga non ritorna mindietro. Perché? Sembra avere qualcosa a che fare con i segni di questi autovettori ... O ho frainteso la procedura?
9 r  svd  eigenvalues 
1
Comprensione della decomposizione del valore singolare nel contesto di LSI
La mia domanda è generalmente sulla decomposizione del valore singolare (SVD), e in particolare sull'indicizzazione semantica latente (LSI). Di ', ho che contiene frequenze di 5 parole per 7 documenti.Aword×documentUNword×document A_{word \times document} A = matrix(data=c(2,0,8,6,0,3,1, 1,6,0,1,7,0,1, 5,0,7,4,0,5,6, 7,0,8,5,0,8,5, 0,10,0,0,7,0,0), ncol=7, byrow=TRUE) rownames(A) <- c('doctor','car','nurse','hospital','wheel') Ho la fattorizzazione matrice usando …
1
Un parallelo tra LSA e pLSA
Nel documento originale di pLSA l'autore, Thomas Hoffman, traccia un parallelo tra le strutture di dati pLSA e LSA che vorrei discutere con voi. Sfondo: Prendendo ispirazione l'Information Retrieval supponiamo di avere una raccolta di NNN documenti D={d1,d2,....,dN}D={d1,d2,....,dN}D = \lbrace d_1, d_2, ...., d_N \rbrace e un vocabolario di MMM …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.