背景
我正在通过从头开始构建自己的文本挖掘工具包来学习文本挖掘 - 最好的学习方法！
SVD
奇异值分解通常被认为是一种很好的方法：
我花了大约一个月的时间来学习SVD。我必须承认大部分在线教程，论文，大学演讲幻灯片......甚至适当的印刷教科书也不容易消化。
到目前为止，我的理解是：SVD demystified (blog)
我想我已理解以下内容：
据我所知，我们可以通过将较小的S元素归零并重建原始数据来过滤掉不太重要的信息，从而减少维度。如果我想将尺寸减小到2，我只保留对角线S的2个最左上角的元素以形成新的矩阵S'
我的问题
要查看投影到缩小尺寸空间的文档，我看到人们使用S'⋅V^ T.为什么？什么是S'⋅V^ T的解释？
同样，为了看到主题，我看到人们使用U⋅S'。为什么？这是什么解释？
我的有限学校数学告诉我，我应该把它们视为变换（旋转，缩放）......但这也无助于澄清它。
**更新** 我在SVD demystified (blog)添加了我的博客解释的更新，这反映了我查看的一本教科书的基本原理，以解释为什么S'.V ^ T是文档视图，以及为什么US'是一个单词视图。仍然没有真正相信...