矩阵分解：找到两个更小的矩阵，两者相乘可以重新构造这个矩阵。
特征矩阵：每一行一个特征，每一列一个item，这些值代表了item对此特征的重要性。
权重矩阵：此矩阵映射特征到aricle矩阵。每行是一个aritcle，每一列是一个特诊，此矩阵反映了多少个特征应用到aritcle上。
矩阵重新构建
#!/usr/bin/python
im
本文探讨了矩阵分解技术，特别是非负矩阵分解（NMF）在数据挖掘中的角色。通过将大型矩阵分解为两个较小的非负矩阵，可以揭示特征与item之间的关系。特征矩阵展示了每个item对特定特征的重要性，而权重矩阵则描述了特征如何分配到不同的article上。通过这两种矩阵的乘积，能够重构原始矩阵。文章还介绍了NMF算法的具体实现。
最低0.47元/天 解锁文章
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
