机器学习算法汇总

机器学习算法汇总

1. 前言

通过将工作中用到的机器学习算法归纳汇总，方便以后查找，快速应用。

2. 推荐算法

交叉最小方差

算法名字	交叉最小方差, Alternating Least Squares, ALS
算法描述	Spark上的交替性最小二乘ALS本质是一种协同过滤的算法
算法原理	1. 首先将用户推荐对象交互历史转换为矩阵，行表示用户，列表示推荐对象，矩阵对应 i,j 表示用户 i 在对象 j 上有没有行为  2. 协同过滤就是要像填数独一样，填满1得到的矩阵，采用的方法是矩阵分解 算法原理图  3. 原始矩阵 A 是一个很大的稀疏矩阵，然后利用 ALS 分解成近似两个矩阵 B 和 C 的乘，另外两个矩阵就比较密集，而且 B 矩阵的列可以解释为一个事物的几个方面。 4. 用户 k 对对象 h 的喜好程度就可以通过矩阵 B 的 k 行乘 矩阵 C 的 h 列得到
使用场景	当用户和推荐的对象本身属性数据没有，只存在用户和推荐对象历史交互数据的时候，当提炼出用户推荐对象的关系矩阵可以发现是一个大型的稀疏矩阵
算法优缺点	优点： 1. 此算法可伸缩 2. 速度很快 3. 适合大数据 4.新异兴趣发现、不需要领域知识 5. 随着时间推移性能提高 6. 推荐个性化、自动化程度高 7. 能处理复杂的非结构化对象  缺点： 1. 稀疏问题 2. 可扩展性问题 3. 新用户问题 4. 质量取决于历史数据集 5. 系统开始时推荐质量差
参考资料	1. 算法原理 Large-scale Parallel Collaborative Filtering for the Netflix Prize  2. MLlib实现 MLlib - Collaborative Filtering