推荐系统

基于内容的推荐算法:

x 表示电影的特征,x0 是bias,x1, x2 分别表示电影的两个特征
sita 表示参数
推荐系统_第1张图片
使用线性回归,对于用户已经评价过的电影,最小化cost,并加上正则项,n 表示特征数,即可得到单个用户的参数sita
推荐系统_第2张图片对于所有的用户,最小化其cost之和,即可得到所有用户的sita参数
推荐系统_第3张图片

协同过滤

根据用户向量,学习电影特征:
推荐系统_第4张图片

协同过滤算法:

sita(用户参数) 和 x(电影特征向量) 都为止,最小化二者相加
推荐系统_第5张图片使用很小的值初始化所有的sita 和 x,最小化上述 J 代价函数,计算sita 和 x 的偏导数,得到模型
推荐系统_第6张图片向量化
推荐系统_第7张图片
得到电影特征向量后,可以计算两个电影的相似度,进行推荐:
推荐系统_第8张图片

你可能感兴趣的:(算法)