推荐算法---sum pooling

推荐算法中，sum pooling是一种常用的特征池化方法。它可以将多个特征值相加，得到一个总和作为池化后的特征值。下面是一种实现sum pooling的简单方法：

对于每个样本，将要进行池化的特征表示为一个向量x=[x1, x2, …, xn]，其中xi表示第i个特征的值。
对x进行sum pooling，即将向量中所有元素相加得到一个标量s，即 s = x1 + x2 + … + xn
将得到的标量作为池化后的特征值，用于后续的推荐算法计算。
下面是一个示例Python代码，演示如何对特征做sum pooling：

import numpy as np

# 假设有3个样本，每个样本有4个特征
features = np.array([[1, 2, 3, 4],
                     [2, 3, 4, 5],
                     [3, 4, 5, 6]])

# 对每个样本的特征做sum pooling
pooled_features = np.sum(features, axis=1)

# 打印池化后的特征值
print(pooled_features)

[10 14 18]

在上面的代码中，我们使用numpy库中的sum函数，将每个样本的特征向量沿着第1个轴（即axis=1）相加。这样就得到了每个样本的sum pooling特征值。