推荐系统 Model-based CF 学习心得

关于矩阵分解

为了预测用户物品矩阵R，将其填充完成，最好的方法就是将矩阵P和Q相乘。
其中P表示用户对各个分类特征的偏好rating，
Q表示物品包含的这些特征的rating。
为了得到P和Q，我们就得先得到一个预测的矩阵R’（通过某种方法得到，比如近似值，但和真正的R肯定是有误差的）。既然有误差，那我们就计算出误差，
即损失函数e=R-R’，当然误差越小越好，代表预测的矩阵和真实的越接近。
那这里就有两种方法来优化，ALS交替最小二乘法，和SGD随机梯度下降法
下篇会学习SGD算法
我们经过优化后，得到的预测矩阵R’就可以拿来使用了。我们用SVD分解，来得到P和Q，然后就可以拿着P和Q相乘得到的矩阵，作为我们对用户预测矩阵R的结果。
SVD分解后面也会介绍