机器学习（五）：推荐系统

推荐系统主要用于生活中相关喜好的推荐。例如在购物的过程中，用户买了某种商品，那么系统会根据用户购买的商品推荐相关的其他类型商品，从而促进购买量（其实就是淘宝推荐= =）

 

0x01 推荐系统理论

以电影为例，用户对于不同电影的评价如下图所示。

 每个电影拥有两个特征，分别是爱情程度以及动作程度。分别代表该电影所包含的爱情成分大小以及动作成分大小。根据用户对于电影的评分，可以看出Alice和Bob对于爱情电影更为偏好，而其他两人对动作电影更喜欢。

根据以上的评价可以对其进行预测，Alice对于Cute电影的评价应该会很高，Dave对于Swords的评价也会很高。

以上就是推荐系统的理念。我们可以通过线性回归实现以上的算法。

其中，θj为每个用户j的喜好，nu为用户的数量。y（i，j）为实际用户对于电影的打分。因此，为了判断每个用户的喜好θ，要最小化代价函数J（θ）。

以上就是基于内容的推荐系统。

 

0x02 协同过滤算法