本文重点
上一节中我们学习了协同过滤算法的损失函数,本节课程我们将学习如何求解这个损失函数的最小值。
回顾
我们前面学习的内容是:如果获取到表示电影的特征,那么就可以获取到用户的参数θ。如果给你用户的参数数据θ,你可以获取到电影的特征。本节课我们将使用这些概念,并且将他们合并成协同过滤算法(CFA)。
给定x估计θ
给定θ估计x
现在我们将上面的两个优化目标结合成一个新的目标函数:
新的目标函数
同时求参数θ和x
以上就是新的目标函数,假设x为常数,并关于θ优化的话,你其实就是在计算上面的第一个式子(正则化项x为常数),反过来如果把θ作为常量,然后关于x求J的最小值的话,你其实就是在计算上面的第二个式子(正则化项θ为常数)。
有了这个新的优化目标,我们可以将这两种参数同时化简,注意在化简得时候