2-1 LFM算法综述
2-2 LFM算法的理论基础与公式推导
有监督学习训练p和q,梯度下降
F:1--32
正则话参数alpha:0.01=0.05之间
学习率 beta 0.1
保持正负样本均衡
LFM复杂度成本低;但影响和推荐可解释性不如CF
LFM是基于有监督学习的隐向量学习,而CF不是
2-1 LFM算法综述
有监督学习训练p和q,梯度下降
F:1--32
正则话参数alpha:0.01=0.05之间
学习率 beta 0.1
保持正负样本均衡
LFM复杂度成本低;但影响和推荐可解释性不如CF
LFM是基于有监督学习的隐向量学习,而CF不是