最近在学习概率图模型,将所学知识根据自己的理解分享一下,因为初学,如果理解不到位,或者太简单,望理解。
概率矩阵分解(probabilistic matrix factorization)
建模与表示
实际上就是将 R 矩阵分解为
Rij∼N(UTiVj,σ2)Ui∼N(0,σ2UI)Vj∼N(0,σ2VI)
统计推断
这里运用最大后验概率推理,和极大似然估计挺像,只不过是对后验概率的最大化,实际上也是一种点估计的方法,运用贝叶斯公式:
P(U,V|R