Week 9:Recommender Systems课后习题解答

        大家好，我是Mac Jiang，今天和大家分享coursera-Stanford University-Machine Learning-Week 9:Recommender Systems的课后习题解答。注意：每个同学的问题的参数和选项都是不同了，请在参考的同时看清选项，避免带来错误。当然，我的分析不一定是正确的，如果博友发现错误，请留言联系，谢谢。希望我的解答能给您带来一些学习上的帮助！

1.第一题

(1)题意：假设开设了一个书店，并把书分为1-5星，你的协同过滤死案发已经得到用户j的参数theta(j)，已经每本书的特征向量x(i)。你需要计算训练误差，误差的计算方法是预测和用户评价之差的平方，下面哪个是计算这个的正确方法？这里，m是你从用户得到的所有评价数，即所有r(i,j)=1的数量。（提示，下面有两个是正确的）
(2)分析：这个公式符号也不好说，就不分析了
(3)答案：3，4

2.第二题

(1)题意：下面那些情况适合用协同过滤算法（而不是线性回归，逻辑回归）？
             1.写一个软件时从很多网站上下载了新闻文章。你把文章标记成你个人喜欢的和不喜欢的，并且系统保存这些文章的特征（比如：词数