奇异值分解SVD降维
降维Dimension reduction非监督的学习方法，奇异值分解SVD降维是通过矩阵运算，将一个任意N×d的矩阵A分解成左奇异矩阵U, 奇异值矩阵∑, 右奇异矩阵V相乘的结果，然后在该分解式上的基础上，实现对A矩阵的降维。
而且我们可以发现，SVD右奇异矩阵用于列方向的维度数d的压缩，其实就是PCA降维，两者求解过程不同，但最后得出的式子是一样的，可以说是殊途同归。
奇异值分解SVD降维除了可以做行方向上的降维，也可以做列方向上的降维，甚至更加让人惊喜的是其可以同时在行方向以及列方向进行降维。
作者:TomJerry
原文链接:https://www.jianshu.com/p/0e85e8e2cf62