16. 某工程師在建立推薦系統時，評估使用奇異值分解(Singular Value Decomposition, SVD) 對使用者-商品評分矩陣進行潛在語意分析(Latent Semantic Analysis, LSA) 。關於 SVD 的數學性質，下列何者不正確？
(A)SVD 只能分解方陣(Square Matrix)，無法應用於行列數不相等的長方形矩陣；
(B)SVD 常用於降維(Dimensionality Reduction) ，透過保留最大的 k 個奇異值來近似原 始矩陣(截斷 SVD)；
(C)SVD 比 PCA 更一般化，因為 PCA 可視為對資料的共變異數矩陣(Covariance Matrix) 進行的特殊 SVD 運算；
(D)LSA 是 SVD 在文字-文件矩陣上的應用，透過截斷 SVD 捕捉詞語與文件的潛在語 意關係

答案：登入後查看
統計： 尚無統計資料