2019年大数据存储与处理概述.pptVIP

大数据存储与应用降维 课程主页：/?page_id=397 陈一帅 chenyishuai@ 介绍 为什么要降维？ 找出规律，压缩数据量 几维？ 降维 看起来2维，其实1维 看起来3维，其实2维 内容 特征值与特征向量 PCA（主元素分析）Principal-Component Analysis SVD（奇异值分解）Singular-Value Decomposition CUR分解 特征值与特征向量 特征值与特征向量 定义 计算方法 Power Iteration寻找特征对（Eigenpairs） 特征向量矩阵 定义 M 矩阵， λ常数，e非零列向量 Me = λe 唯一确定一个e e为unit vector 第一个非零元素为正 一般计算方法 要 ， 的行列式等于0 求得λ 然后通过Me = λe求e 计算复杂度O(n3) Power Iteration方法 任选一个向量X0 递归 误差 Frobenius norm 足够小时，停止 这个Xk就是M的主特征向量 然后通过 Mx = λx 求 λ x是一个单位向量：X-1 = XT Power Iteration方法 再找第二个特征对 在M中去掉第一个主特征向量的因素 然后类似计算 特