协同过滤-矩阵分解推荐 java实现

• 这是本人在cousera上学习机器学习的笔记，不能保证其正确性，谨慎参考
• 看完这几课后
  collaborative-filtering
  collaborative-filtering-algorithm
  vectorization-low-rank-matrix-factorization
  同时参考下面的这篇文章：
  SVD在推荐系统中的应用详解以及算法推导
  后自己用java实现了一下

1、下图是待处理的数据，代码使用数据和下图一样：

2、思路：将一个“movie-user的评分矩阵”按照下面两图所示分解成两个矩阵theta和x，我们可以将其对应的理解为”user-特征”和”movie-特征”两个矩阵（特征类似上一篇文章中romance，action），n为“特征”的数目。为什么“movie-user的评分矩阵”可以分解，以及分解的n的大小如何确定我目前还没搞懂，在代码中，直接初始化”user-特征”和”movie-特征”两个矩阵，然后令n=2。然后采用梯度下降法不断的对”user-特征”和”movie-特征”中的每一个参数进行更新。

3、根据下图公式采用梯度下降法不断的对”user-特征”和”movie-特征”中的每一个参数进行更新，并加上正则化的作用：

4、对上图的公式对”user-特征”和”movie-特征”矩阵中的每一个参数进行求偏导数，偏导数的公式如下图：

5、下面是使用java进行了代码实现：

public class CollaborativeFilter {
    private static int[][] rate_set = { { 5, 5, 0, 0 }, { 5, -1, -1, 0 },
        { -1, 4, 0