Answers:
您如何知道SVD和NMF是迄今为止最常用的矩阵分解,而不是LU,Cholesky和QR?我个人最喜欢的“突破”应该是有保证排名的QR算法,
...以列为中心的QR早期概念的发展:
一本经典的教科书是:
(我知道你没有要求教科书,但我无法抗拒)
编辑: 更多地谷歌搜索找到了一篇论文,其摘要表明我们可能会稍微有点交叉海豚。我上面的文字来自“数字线性代数”(NLA)的观点;也许您更关注“应用统计学/心理计量学”(AS / P)的观点?您能否澄清一下?
也许你会发现有趣的
最后两个链接显示了在协作过滤中如何使用稀疏矩阵分解。但是,我相信类似SGD的分解算法可以在其他地方使用(至少它们非常容易编码)
Witten,Tibshirani-惩罚矩阵分解
http://www.biostat.washington.edu/~dwitten/Papers/pmd.pdf
http://cran.r-project.org/web/packages/PMA/index.html
Martinsson,Rokhlin,Szlam,Tygert-随机SVD
在今年的NIPS上,有一篇关于分布式,超大型SVD的简短论文,该论文可在流输入矩阵上一次通过。
该白皮书更注重实现,但是将所有实际情况与实际情况联系在一起。开头附近的表格也是一个很好的调查。