Machine learningMatrix Factorization
특이값 분해
특이값 분해(SVD)는 임의의 m × n 행렬 A를 A = U Σ V^T의 곱으로 분해하는 기본적인 행렬 분해 기법으로, 여기서 U와 V는 직교 행렬이고 Σ는 특이값의 대각 행렬입니다. 1960년대-1970년대 Gene Golub 등이 개발한 SVD는 행렬 구조 분석 및 선형 시스템 해결에 가장 강력한 방법입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/ko/numerical-methods/singular-value-decomposition