Notice
Recent Comments
- 와 설명이 많이 부족했을 텐데, 끝까지 읽어⋯
- 특별한 이유가 있진 않고 빠르고 성능이 좋아⋯
- opencv 다 읽었습니다. 정말 유용한 정보 감⋯
- 혹시 검출기를 ORB를 쓰신 이유가 있나요?
- werooring@gmail.com로 연락주세요~ :)
- 제작 의뢰 문의 드려도 될까요? 010-5599-352⋯
- ADP 준비하고 계시는군요. 방문해주시고 댓글⋯
- ADP 자격증 실기를 준비중에 있는데 나이브⋯
- 아이고 너무나 감사합니다 ^^
- 모두연에 있다니 영광이네요:) 감사합니다.⋯
- 와... 형님 너무 멋있으십니다... 아침에 피⋯
- 그러셨군요^^ 댓글 남겨주셔서 고맙습니다.
- 잘 설명해주셔서 감사합니다 책 발간 소식은⋯
- 안녕하세요! 방문해주셔서 감사합니다. 말씀⋯
- 방문해주셔서 감사합니다. 제가 코드를 구현⋯
목록SVD 코드 (1)
귀퉁이 서재

이번 장에서는 특이값 분해(SVD)에 대해 알아보겠습니다. 고유값 분해에 대해 알고 있어야 특이값 분해를 이해할 수 있습니다. 고유값 분해를 잘 모르시는 분은 이전 장을 참고해주시기 바랍니다. 이번 장은 MIT Open Course Ware, 파이썬 머신러닝 완벽 가이드 (권철민 저), 다크 프로그래머스 블로그를 참고했습니다. 특이값 분해(Singular Value Decomposition, SVD) 이전 장에서 고유값 분해에 대해 알아봤습니다. 고유값 분해는 정방 행렬(행과 열의 크기가 같은 행렬)에 대해서만 가능하다고 했습니다. 하지만 특이값 분해는 정방 행렬뿐만 아니라 행과 열의 크기가 다른 행렬에 대해서도 적용할 수 있습니다. 즉, 특이값 분해는 모든 직각 행렬에 대해 가능합니다. SVD는 m x..
머신러닝
2020. 3. 1. 14:40