问题标签 [svd]

我已经训练了一个SVD模型来推荐基于userId. 但是，有没有办法根据项目列表而不是推荐项目userId？

例如，给定一个项目列表[1,2,3,4,5]，SVD模型会找到最相似的项目[9,10]。我的解决方案是从 input 中找到每个 item 的相似项[9,10]，并获取 common 项作为输出。

那是，

• 与第 1 项相似的项目是[9,10,12]和
• 与第 2 项相似的项目是[9,10,13]。

所以常见的项目是[9,10]，但我不知道是否有更好的方法来做到这一点。

通过我对 LSI（机械工程背景）的适度理解，请耐心等待：

在 LSI 中执行 SVD 后，您有 3 个矩阵：

U、S 和 V 转置。

U 将单词与主题进行比较，S 是每个特征强度的一种度量。Vt 将主题与文档进行比较。

返回 SVD 之前的原始矩阵。如果不做太多（无）深入的代数，似乎：

返回逐项矩阵，该矩阵提供项之间的比较。即一个术语与其他术语的相关程度，一种比较单词而不是组件的DSM（设计结构矩阵）。我可能完全错了，但我在样本数据集上进行了尝试，结果似乎很有意义。但这可能只是偏见（我希望它起作用，所以我看到了我想要的）。由于文档受到保护，我无法发布结果。

不过我的问题是：这有意义吗？逻辑上？数学上？

感谢您的任何时间/回复。

我正在使用奇异值分解为一组点（X、Y、Z 坐标）拟合最佳拟合平面。所以我用

现在我想要点的残差。我知道我可以计算平面方程来获得残差，但我想问是否有一些直接的方法可以从 u,s,v 矩阵中获取残差？

我在 R 中对一个名为 data 的数据框进行 SVD

我使用绘制结果

我发现在图中，列号与数据框中的列号不对应（无论我使用 SVD 的列子集，第一列总是显示最高方差）。

我的问题是，如何在图中获取列名（或“真实”索引）？

我想在 12*12 矩阵上执行 SVD。numpy.linalg.svd作品很好。但是当我尝试通过执行 u*s*v 来取回 12*12 矩阵 A 时，我没有取回它。

这些是我使用的要点：

请提出一些建议...

我有一个由邻接矩阵表示的非常大的节点网络。我想减少网络中的节点数量以包含更重要的节点。我知道 SVD 可以帮助我实现这一点，我已经使用 ILNumerics 库在邻接矩阵上运行 svd() 方法。

有人可以简单地向我解释一下输出是如何帮助我减少网络维度的吗？SVD 过程给我留下了一个大小相同的矩阵，其对角线的递减值范围从 ~2 到多个 0。我如何知道要删除哪些维度被认为不重要？

我可能总体上错误地执行了此过程，因此将不胜感激任何帮助！网上的许多解释很快就会变得非常混乱。

我已经使用 numpy svd 拟合了一组点，并具有拟合函数的系数。据我了解该算法，它将计算沿途点的残差，我想恢复它们但看不到如何做到这一点。任何有关如何获得这些的指导将不胜感激。

为了对相当大的数据集进行二次回归，我想使用 svd（奇异值分解）求解以下方程： B(nx1)=A(nx3)*X(3x1) 我正在考虑使用 matlab那，任何提示？目标是计算矩阵 X

我正在使用 Eigen 库 ( http://eigen.tuxfamily.org ) 使用 SVD 函数进行 Null Space 计算。我将输出与matlab中的“Null”函数进行了比较，得到了不同的结果。用调试器单步执行它，并查看 Eigen 创建的 V 矩阵与 matlab 中的 V 矩阵，有一个奇怪的区别。

V矩阵中的左奇异向量（下例中左3列）几乎相同，只是符号交换了。右奇异向量（零空间；右下方 3 列）根本不是很相似。

知道什么会导致这种情况吗？我是否错误地使用了 SVD 函数？下面的代码和示例结果。

这是代码：“输入”是一个普通的 C++ 数组：

以下是一些示例结果：

A（输入）=

V(Matlab) =

V(特征) =

谢谢您的帮助！

我校准了我的相机并找到了内在参数（K）。我还计算了基本矩阵（F）。

现在 E= K_T* F * K 。到目前为止，一切都很好。

现在我们将基本矩阵 (E) 传递给 SVD，以使用分解值 (U,W,V) 来提取旋转和平移：

** 问题）在这一点上，提出了两种方法，我很困惑哪一种方法真正给出了正确的答案——专门用于翻译：

首先方法在这里输入链接描述作者建议计算R，T如下：

但在第二种方法 [ http://isit.u-clermont1.fr/~ab/Classes/DIKU-3DCV2/Handouts/Lecture16.pdf]中，作者为 T 提供了另一个公式，即 +U ， -U 如下所示：

我正在使用 openCv 库在 C# .Net 上实现它。有人知道哪个翻译公式是正确的吗？