本博文主要讨论 基本矩阵(Basic MF),非负矩阵(Non-negative MF)和正交非负矩阵(Orthogonal non-negative MF)三种常见的矩阵分解方法。并分别推导了它们的更新规则,收敛性,以及它们的应用。
本文地址:http://blog.csdn.net/shanglianlm/article/details/46755239
1. 简介(Introduction)
矩阵分解 matrix factorization (MF)
属性(properties)
MF的几个属性:
- 发现数据中的潜在结构 ;
- 它有一个优雅的概率解释(probabilistic interpretation);
- 容易扩展到一些指定特定先验信息的领域 ;
- 许多优化方法例如梯度下降法可以用来找到一个最优解。
三种类型(variants )
该文主要