SVD是一種強大的降維工具，我們可以利用SVD來逼近矩陣並從中提取重要特徵。通過保留矩陣80%～90%的能量，就可以得到重要的特徵並去掉噪聲。SVD已經運用到了多個應用中，其中一個成功的應用案例就是推薦引擎。
推薦引擎將物品推薦給用戶，協同過濾則是一種基於用戶喜好或行為數據的推薦的實現方法。協同過濾的核心是相似度計算方法，有很多相似度計算方法都可以用於計算物品或用戶之間的相似度。通過在低維空間下計算相似度，SVD提高了推薦係引擎的效果。
在大規模數據集上，SVD的計算和推薦可能是一個很困難的工程問題。通過離線方式來進行SVD分解和相似度計算，是一種減少冗余計算和推薦所需時間的辦法。在下一章中，我們將介紹在大數據集上進行機器學習的一些工具。