Homework_Week9_Coursera【Machine Learning】AndrewNg、Recommender Systems

第一题 Suppose you run a bookstore, and have ratings (1 to 5 stars)of books. .

答案

协同过滤算法学到到对于用户J，参数向量是theta(j) 和每本书的特征向量x的组合x(i)、你要计算训练误差、哪一个是对的？
要算的是系统预测你从用户那里去得到的评分的平均方差

A率先排除、减掉实际的y，而非r(i,j)
B错误、nm而非nu
CD正确

第二题 In which of the following situations will a collaborative filtering system be the most appropriate learning algorithm (compared to linear or logistic regression)?

答案

问哪一个是最合适的协同过滤系统的合适的学习算法？
A说你有不同款式和品牌的夹克、并且收集了评价。你要用这些反馈来提供给购买者最有可能购买夹克的折扣、可以的、和课中书籍的例子一样
B你运营了一个网络书店，并且收集了每个用户的评分。你想用这些来判断哪些书是互相相似的、可以
C你是一个艺术家、并且手绘你客户的画像、每一个用户都有自己不同的肖像、并且给你1-5星的反馈、每一个客户最多买1个画像。你可能预测出下一个客户会给你的评分吗
这不属于协同顾虑算法、因为下一个客户是新客户学习算法又要重新随机数重新学习
D 你运营了一个网络书店、你有来自许多用户的书籍评分，你想预测销量。这个应该是回归问题。不选

AB

第三题You run a movie empire, and want to build a movie recommendation system based on collaborative filtering. … Which of the following statements is true?

答案

你要打造一个电影推荐系统基于协同过滤算法。你有三个流行的评论网站都是用户去评论的。你需要三个公司来云这些网站。你要把三个公司的数据库都整合到一个系统中、网站A里用户评分从1-5星、在网站B用户评分从1-10，并且是有小数、C网站是从1-100评分，哪一个是正确的？
A说你可以把三个数据集并到一个，但是你要先归一化每个数据集正确
B假设有只扫一个电影/用户不用在第二个数据库出现，没有办法整合数据库，因为缺失数据、错误、有的可以合并，没有的也没关系
C 你可以组合全部三个数据集到一个数据集中只要在合并数据之后做归一化和特征扫描工作，很明显错误、规模大小不一样，合并之后怎么归一化呢？
D 更错误，说不可能合并，只能造3个推荐系统
选A

第四题 Which of the following are true of collaborative filtering systems? Check all that apply.

答案

A如果你有用户在某些产品的评分，你可以用这些来预测他在没有评分的产品上的偏向、正确
B正确
C当使用梯度下降法来训练协同过滤算法系统的时候，初始化到0是可以的，不可以。小点参数就好
D你需要手动设计每个项的特征向量在你的数据集中，很明显错误

AB

第五题 Suppose you have two matrices A and B…

答案

假设你有两个矩阵A,N。 A是53、B是35
产品C是AB。一个55的矩阵、R的每个进入都是0或1、你想要发现素有元素C中所对应的i,j都是1的和。并忽略了素有标签为0的元素
哪个OCTAVE代码可以正确的计算所有的？检查所有的
J从1-5，I从1-5 设置一个total。r(i,j)==1的话就不断的加上total即可、
AB

结果