- 博客(5)
- 资源 (3)
- 收藏
- 关注
转载 因子分析Factor analysis
简介:本文主要介绍EM算法求解因子分析问题因子分析Factor analysis在文章 EM算法 求解混合高斯模型时,通常假设拥有足够多的样本去构造这个混合高斯分布,即样本数量n要远大于样本维数d: 如果样本数量小于样本维数,那么协方差矩阵 是奇异矩阵,那么 和都无法计算。在因子分析中,一个d维的向量通常由一个k维向量生成,通常k远小于d。具体模型如公式1所示:公式1
2016-03-29 15:09:43 3630
转载 浅谈矩阵分解在推荐系统中的应用
http://www.cnblogs.com/hxsyl/p/4881453.html为了方便介绍,假设推荐系统中有用户集合有6个用户,即U={u1,u2,u3,u4,u5,u6},项目(物品)集合有7个项目,即V={v1,v2,v3,v4,v5,v6,v7},用户对项目的评分结合为R,用户对项目的评分范围是[0, 5]。R具体表示如下:
2016-03-29 15:02:10 620
转载 再谈矩阵分解在推荐系统中的应用
http://www.cnblogs.com/hxsyl/p/4881685.html本文将简单介绍下最近学习到的矩阵分解方法。 (1)PureSvd 矩阵分解的核心是将一个非常稀疏的评分矩阵分解为两个矩阵,一个表示user的特性,一个表示item的特性,将两个矩阵中各取一行和一列向量做内积就可以得到对应评分。 那么如何将一个矩阵分解为两个矩阵就是
2016-03-29 15:01:04 1280
转载 梯度下降的矩阵分解公式推导
http://www.cnblogs.com/hxsyl/p/4881727.html目标函数是要最小化C: 求其梯度: 梯度下降求最小值:
2016-03-29 14:59:34 8070
转载 JAVA矩阵包JAMA学习
jama是一个基本的线性代数java包,它提供了实数非稀疏矩阵类,程序员可构造操控这些类。对于经常使用到矩阵运算的码农来说,即使不精通线性代数也没有关系,因为jama包提供的功能已经够用,调用方便,使用自然,而且易于理解。 JAMA功能汇总Jama.Matrix 对象操作 构造函数 set 方法
2016-03-01 11:04:21 3010
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人