更新 SVD的文档和SVD中降维和压缩在数据上不同的说明

docs/ml/14.利用SVD简化数据.md

@@ -259,7 +259,12 @@ def svdEst(dataMat, user, simMeas, item):
 
     # 如果要进行矩阵运算，就必须要用这些奇异值构建出一个对角矩阵
     Sig4 = mat(eye(4) * Sigma[: 4])
-    # 利用U矩阵将物品转换到低维空间中，构建转换后的物品(物品+4个主要的特征)
+
+    # 利用U矩阵将物品转换到低维空间中，构建转换后的物品(物品+4个主要的“隐形”特征)
+    # 公式1(目的是: 降维-改变形状，也改变大小)  xformedItems = dataMat.T * U[:, :4] * Sig4.I
+    # 公式2(目的是: 压缩-不改变形状，改变大小)      reconMat = U[:, :4] * Sig4.I * VT[:4, :]
+        # 其中: imgCompress() 是详细的案例
+    # 最近看到一篇文章描述，感觉挺有道理的，我就顺便补充一下注释: https://blog.csdn.net/qq_36523839/article/details/82347332
     xformedItems = dataMat.T * U[:, :4] * Sig4.I
     # 对于给定的用户，for循环在用户对应行的元素上进行遍历，
     # 这和standEst()函数中的for循环的目的一样，只不过这里的相似度计算时在低维空间下进行的。