1. 矩阵分解可以用来解决什么方法, 以及how?

利用矩阵分解来解决实际问题的分析方法很多，如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)、VQ(矢量量化)等。在所有这些方法中，原始的大矩阵V被近似分解为低秩的V=WH形式。这些方法的共同特点是，因子W和H中的元素可为正或负，即使输入的初始矩阵元素是全正的，传统的秩削减算法也不能保证原始数据的非负性。在数学上，从计算的观点看，分解结果中存在负值是正确的，但负值元素在实际问题中往往是没有意义的。例如图像数据中不可能有负值的像素点；在文档统计中，负值也是无法解释的。
2. NMF

NMF的基本思想可以简单描述为：对于任意给定的一个非负矩阵A，NMF算法能够寻找到一个非负矩阵U和一个非负矩阵V，使得满足 ，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。

分解前后可理解为：原始矩阵的列向量是对左矩阵中所有列向量的加权和，而权重系数就是右矩阵对应列向量的元素，故称为基矩阵，为系数矩阵。一般情况下的选择要比小，即满足，这时用系数矩阵代替原始矩阵，就可以实现对原始矩阵进行降维，得到数据特征的降维矩阵，从而减少存储空间，减少计算机资源。

other documentations: NMF 非负矩阵分解 -- 原理与应用

Supplementary knowledge

1. matrix rank矩阵的秩

最新文章

1. iOS可执行文件瘦身方法
2. Python入门1
3. [转][原]openstack-kilo--issue(六)kilo版openstack的dashboard在session超时后重新登录报错解决办法
4. git_2-linux
5. java中静态代理，动态代理知识的补充
6. poj3295Tautology
7. cannot find w3wp.exe in VS
8. 根据字符串计算UILabel尺寸
9. JavaScript（三、DOM文档对象模型）
10. The openssl extension is required for SSL/TLS protection but is not available
11. iView组件添加API中介绍的事件的方式(render方式添加事件)
12. 简单了解uuid
13. linux指令(1)
14. Tomcat启动特慢之SecureRandom问题解决
15. BZOJ.3784.树上的路径(点分治 贪心 堆)
16. 迭代器模式（Iterator）
17. 【代码笔记】iOS-将地址解析成经纬度
18. mysql中Table is read only错误解决方法
19. 前端jquery---表单验证
20. 亚马逊首次推出卖家APP 可掌握商品盈利状况

热门文章

1. C#中的异步编程--探索await与async关键字的奥妙之处，原来理解和使用异步编程可以这么简单
2. Pikachu-Unsafe Fileupload（不安全的文件上传）
3. Json与Ajax(注册实例）
4. Java第五节课总结
5. 请求 - Fetch（未完）
6. ubuntu更改mysql配置文件，使其产生日志文件mysql.log
7. 小白的java学习之路 “ 类和对象”
8. 基于EFCore3.0+Dapper 封装Repository
9. 【Python可视化】超详细Pyecharts 1.x教程，让你的图表动起来～
10. react-native构建基本页面1---主页：tab栏