matriisifaktorointi
Matriisifaktorointi on matemaattinen menetelmä, jossa suurelle matriisille A pyritään löytämään pienemmän ulottuvuuden esitys. Tavallinen malli on A ≈ WH, jossa A ∈ R^{m×n}, W ∈ R^{m×r} ja H ∈ R^{r×n}, ja r on usein pienempi kuin min(m,n). Tällainen esitys tiivistää datan rakenteen, mahdollistaa piirteiden erottelun ja auttaa tiivistämään sekä tulkitsemaan suuria matriiseja.
Yleisimmät matriisifaktoroinnit ovat LU-, QR- ja singulaarijakautuma (SVD). LU-faktoroinnissa A = LU, missä L on alhaiskulmainen ja
Algoritmeja matriisifaktorointiin ovat muun muassa alternating least squares (ALS), multiplicative update -säännöt NMF:lle sekä erilaiset gradientti-
Sovelluksia ovat muun muassa suositusjärjestelmät, tekstianalyysi ja aiheen mallintaminen, kuvantaminen ja muu signaalinkäsittely sekä genomianalyysi. Rajoitteita
---