Matrix Factorization

参考资料:
李宏毅 机器学习 24.13 Unsupervised Learning - Linear Me(Av10590361,P24).Flv

每个用户又会一定的呆、傲成分,每个物品也有一定的呆、傲成分,用户买得越多,说明两者相似度越高(内积)。



于是出现下面的等式,我们希望求得人和物品属性对应的向量,内积得到买卖的矩阵,跟实际的买卖矩阵相似,这个可以用SVD来进行求解。
如果是买卖矩阵有缺失值,用gradient descent做也是可以的



求解出来后,可以预测缺失值

更准确模型,注意新添加的bA和b1的含义。



image.png
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容