矩阵奇异值分解遇到难题

图12所示两个矩阵只有划圈的地方所有不同，图三四所示最小奇异值也并无过大差距，为何图56最小奇异值对应的两列V矩阵差距这么大？

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7659262
• 这篇博客你也可以参考下：最大似然估计推导最小二乘法以及解释矩阵不可逆的问题
• 除此之外, 这篇博客: 微博大 V 用户画像与热点话题分析中的 二、清洗数据 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• user_df的数据不需要清洗，来看df。

  随便从text中抽一条看看：

  
  可见里面主要信息为中文，其余还有一些字符、@、英文，特别要注意的是，这是微博数据，也就是说[]里的内容并不是真正的文本，而是表情，如果没有注意这个，那提取关键词的时候这些表情就会变成最多的词，因为表情才是用户发的最多的，什么[哈哈]、[哭]什么的。

  值得注意的是，除了这些之外，在观察了text文本数据内容，并且在后面提取了关键词后我们会发现，“转发微博”、“微博”、“哈哈”、“啊”这些词出现的频率很高，但是并没有实际含义，而且“哈哈”和“啊”这类词的长度不定，可以是任意个“哈”和“啊”，所以不能在停用词里去掉。所以根据这些，我们来清洗text文本数据。

  df.text.replace(r'\[.*?\]','',regex=True,inplace=True)
  df.text.replace(r'转发微博','',regex=True,inplace=True)
  df.text.replace(r'轉發微博','',regex=True,inplace=True)
  df.text.replace(r'微博','',regex=True,inplace=True)
  df.text.replace(r'转发','',regex=True,inplace=True)
  df.text.replace(r'哈*','',regex=True,inplace=True)
  df.text.replace(r'啊*','',regex=True,inplace=True)
  df['text']=df['text'].str.replace(r'[^\u4e00-\u9fa5]','')
  df
  

  

  得到的结果里只包含中文。但是有些行已经为空了，防止对我们后续造成影响，我们将这些空行去掉。首先填充Nan：

  df.text=df.text.astype(str)
  df.replace(to_replace=r'^\s*$',value=np.nan,regex=True,inplace=True)
  df
  

  

  然后去掉带Nan的行并将索引重排：

  df.dropna(subset=['text'],axis=0,how='any',inplace=True)
  df.reset_index(drop=True,inplace=True)
  df
  

  

  到这里为止数据就算是清理好了。

• 您还可以看一下 王仕宇老师的v2.0 个人博客管理系统 【附源码】【附开发工具】课程中的 系列课程介绍小节, 巩固相关知识点