推荐系统 Model-based CF 学习心得

关于矩阵分解

为了预测用户物品矩阵R,将其填充完成,最好的方法就是将矩阵P和Q相乘。
其中P表示用户对各个分类特征的偏好rating,
Q表示物品包含的这些特征的rating。
为了得到P和Q,我们就得先得到一个预测的矩阵R’(通过某种方法得到,比如近似值,但和真正的R肯定是有误差的)。既然有误差,那我们就计算出误差,
即损失函数e=R-R’,当然误差越小越好,代表预测的矩阵和真实的越接近。
那这里就有两种方法来优化,ALS交替最小二乘法和SGD随机梯度下降法
下篇会学习SGD算法
我们经过优化后,得到的预测矩阵R’就可以拿来使用了。我们用SVD分解,来得到P和Q,然后就可以拿着P和Q相乘得到的矩阵,作为我们对用户预测矩阵R的结果。
SVD分解后面也会介绍

你可能感兴趣的:(推荐系统 Model-based CF 学习心得)