Machine learningMatrix Factorization
特異値分解
特異値分解（SVD）は、任意のm × n行列AをA = U Σ V^Tに分解する基本的な行列分解手法です。ここでUとVは直交行列であり、Σは特異値の対角行列です。Gene Golubらによって1960年代から1970年代にかけて開発されたSVDは、行列構造の解析と線形システムの解法において最も堅牢な手法です。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Golub, G. H., & Kahan, W. (1970). Calculating the singular values and pseudo-inverse of a matrix. Journal of the SIAM Series B: Numerical Analysis, 2(2), 205–224. DOI: 10.1137/0702016 ↗
- Golub, G. H., & Van Loan, C. F. (1983). Matrix computations (2nd ed.). Johns Hopkins University Press. ISBN: 0801854148
- Trefethen, L. N., & Bau, D. (1997). Numerical Linear Algebra. SIAM. DOI: 10.1137/1.9780898719574 ↗
このページの引用方法
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/ja/numerical-methods/singular-value-decomposition