মা
মাত্রা
← পাঠ্যসূচি
100%
অধ্যায় 13.1

কেন SVD দরকার?

Why SVD?

যখন eigendecomposition যথেষ্ট নয়

≈ ৮ মিনিট

Eigendecomposition শুধু square ম্যাট্রিক্সে কাজ করে, এবং সবসময় কাজও করে না (defective হলে নয়)। কিন্তু বাস্তব ডেটা — ছবি, টেক্সট, রেটিং — প্রায় সবই rectangular। SVD এই সমস্যার চূড়ান্ত সমাধান: **যেকোনো** m×n ম্যাট্রিক্সের জন্য কাজ করে, সবসময়।

মূল সূত্র

  • A: m×n যেকোনো ম্যাট্রিক্স।
  • U: m×m orthogonal — left singular vectors।
  • Σ: m×n diagonal — singular values σ₁ ≥ σ₂ ≥ … ≥ 0।
  • V: n×n orthogonal — right singular vectors।

Eigendecomposition বনাম SVD

  • Eigen: শুধু square; SVD: যেকোনো shape।
  • Eigen: defective হতে পারে; SVD: সবসময় বিদ্যমান।
  • Eigen: λ জটিল হতে পারে; SVD: σ সবসময় বাস্তব ও ≥ 0।
  • Eigen: basis হয়তো orthogonal না; SVD: U ও V উভয়ই orthogonal।

AI-প্রসঙ্গ

  • PCA-এর গণনার আসল ইঞ্জিন।
  • Recommender system (Netflix prize)।
  • Latent Semantic Analysis (LSA) — টেক্সট।
  • ছবি কম্প্রেশন, noise reduction।
  • Pseudo-inverse A⁺ = VΣ⁺Uᵀ — least squares।
উদাহরণ
আয়তক্ষেত্র ম্যাট্রিক্সে SVD-এর প্রয়োজন

A একটি 1000×500 ডেটা ম্যাট্রিক্স — ১০০০ ছবি, প্রতিটি ৫০০ পিক্সেলের সারাংশ।

Square নয়, তাই eigendecomposition প্রয়োগ করা যায় না সরাসরি।

SVD: A = UΣVᵀ যেখানে U হলো 1000×1000, Σ 1000×500 (diagonal-like), V 500×500।

Σ-এর প্রথম ৫০টি singular value-ই ৯৫% energy ধরে রাখতে পারে।

ফল: rank-50 approximation দিয়ে compression — 500K সংখ্যা থেকে ~৭৫K।

মূল ভাবনা

  • 1.A = UΣVᵀ যেকোনো ম্যাট্রিক্সের জন্য।
  • 2.U, V orthogonal; Σ diagonal, non-negative।
  • 3.σ ≥ 0, সাজানো বড় → ছোট।
  • 4.Eigendecomposition-এর সর্বজনীন সাধারণীকরণ।

নিজেকে যাচাই করো

প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।

প্রশ্ন 1।SVD কোন ম্যাট্রিক্সে প্রযোজ্য?
উত্তর:যেকোনো m×n বাস্তব ম্যাট্রিক্সে।
প্রশ্ন 2।Σ-এর entries কেমন?
উত্তর:Non-negative, সাজানো বড় থেকে ছোট।
প্রশ্ন 3।U ও V-এর বিশেষত্ব?
উত্তর:উভয়ই orthogonal।
প্রশ্ন 4।যেকোনো ম্যাট্রিক্সে কি SVD আছে?
উত্তর:হ্যাঁ — যেকোনো বাস্তব (বা জটিল) ম্যাট্রিক্সে SVD বিদ্যমান। এটিই এর বিশেষত্ব।
প্রশ্ন 5।Singular value কি ঋণাত্মক হতে পারে?
উত্তর:না। σᵢ ≥ 0 সংজ্ঞা অনুযায়ী — চিহ্ন U ও V-তে শোষিত হয়।

ইন্টারেক্টিভ কুইজ

মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।

প্রশ্ন 1।“কেন SVD দরকার?” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 2।“কেন SVD দরকার?” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 3।“কেন SVD দরকার?” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 4।“কেন SVD দরকার?” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
উত্তর দেওয়া হয়েছে: 0/4