奇异值分解是一种 降维的 方法
降维的方法是，建立一个更小的，但能反映高维矩阵中大部分信息的低维矩阵。这样可能会使你发现数据中重要的潜在因子和相应的权重，这些因子也许会揭示一些评价矩阵中的重要信息，比如电影体裁或书籍主题。尽管你可能无法辨别有意义的因子，但降维技术也可以过滤数据中的噪声。大数据集的一个问题是，你很可能得到一个稀疏矩阵，其中很多评价是空白的。降维技术的缺点是不能支持带有缺失值的矩阵，必须进行数据填补。recommenderlab包中的默认方式是使用中位数。奇异值分解是一种矩阵分解方法，有助于将一组关联特征转换为不关联的特征。假设有矩阵A，这个矩阵可以分解为3个矩阵：U、D和VT。U是一个正交矩阵，D是一个半正定对角矩阵，VT是一个正交矩阵的转置。使用R基础包中的svd()函数，将评价矩阵分解为上面所说的3个矩阵，R将其分别命名为d,u 和v
可以认为u中的值就是某个用户在相应因子上的载荷，v中的值是某个电影在相应维度上的载荷。
ratings <- c(3,5,5,