推荐算法之BaseLineOnly算法

一、基本思想

BaseLineOnly算法被称为基准预测。其是建立在一定的假设上：

• 每个用户的评分基准都是不同的，比如有的用户喜欢给高分，就算对于不喜欢的物品他也会给出6分的及格分（10分满分），而有的用户比较苛刻，对于很喜欢的物品也只给出7分，而不喜欢的物品直接给出2分。
• 每个物品的好坏也是不同的，有些物品很受欢迎，可能大部分人都给出7分左右，而有的物品很差，每次都得到3分左右。

我们的算法就利用了这种偏差，我们称这种偏差为偏置（bias）

二、求解目标

  我们假设整体的平均评分为$\mu$，用户$u$的评分偏置为$b_u$,物品$i$的评分偏置为$b_i$,那么我们的目标就是：

• 找出每个用户普遍高于或低于其他人的评分偏置$b_u$
• 找出每个物品普遍高于或低于其他物品的评分偏执$b_i$

用户$u$对物品$i$的预测评分为： p u i = μ + b u + b i p_{ui}=\mu+b_u+b_i