Ahh, he respondido esto un poco aquí.
La respuesta de Ryan Howe a ¿Cuáles son buenas referencias para el aprendizaje de la factorización de bajo rango de la matriz?
Daré un ejemplo aquí de factorización matricial de bajo rango.
Sea [math] A_ {k} [/ math] una aproximación de rango k de A, por el truncamiento SVD. Entonces [math] A_ {k} [/ math] es la matriz de rango k más cercana a AIe
- ¿Qué es el entorno de base de datos en una explicación simple con ejemplos?
- ¿Cómo puede el aprendizaje automático ayudar a las agencias de publicidad?
- ¿Qué matemática debería revisar / aprender si quiero comprender a fondo el modelado de efectos mixtos / modelado de regresión?
- Cómo convencer a mi gerente de que conozco el aprendizaje automático
- ¿Cuáles son los documentos más importantes en el aprendizaje activo?
[matemáticas] || A-A_ {k} || \ leq || AB || _ {F} [/ math]
F es la norma de frobenius
Deje que [math] A_ {mxn} [/ math] se dé luego
- [matemáticas] \ textrm {Considere la matriz aleatoria} \ Omega_ {nxs} [/ matemáticas]
- [matemáticas] \ textrm {Tome el producto} Y_ {mxs} = A \ Omega [/ matemáticas]
- Calcule la base ortonormal aproximada, [matemática] Q_ {mxk}, \ textrm {por la SVD} [/ matemática]
- [matemáticas] \ textrm {Obtener} \ bar {A} = QQ ^ {T} A [/ matemáticas]
Alternativamente
- [matemática] \ textrm {Forma} B = Q ^ {T} A \ textrm {dando la aproximación de rango bajo} A_ {k} = QB [/ matemática]
- Calcule la SVD de B, [matemáticas] B = \ bar {U} \ Sigma V ^ {T} [/ matemáticas]
- Establecer [matemática] U = Q \ bar {U} [/ matemática]
Aquí hay un buen recurso
https://arxiv.org/pdf/1606.06511…