Jeg vet hvordan jeg skal beregne PCA og SVD matematisk, og jeg vet at begge kan brukes på regresjon med lineære minste kvadrater.
Den viktigste fordelen med SVD synes matematisk å være at den kan brukes på ikke- -kvadratmatriser.
Begge fokuserer på nedbrytningen av $ X ^ \ top X $ matrise. Annet enn fordelen med SVD nevnt, er det noen ekstra fordeler eller innsikt som gis ved å bruke SVD fremfor PCA?
Jeg ser virkelig etter intuisjonen i stedet for noen matematiske forskjeller.