算法
obitoquilt
越努力越幸运~
展开
-
SVD与SVD++的学习
SVD在推荐系统中的应用详解以及算法推导转载,出处:http://blog.csdn.net/zhongkejingwang/article/details/43083603 下面开始介绍SVD算法,假设存在以下user和item的数据矩阵: 这是一个极其稀疏的矩阵,这里把这个评分矩阵记为R,其中的元素表示user对转载 2018-01-21 20:19:08 · 2320 阅读 · 0 评论 -
奇异值分解(SVD)原理详解及推导
奇异值分解(SVD)原理详解及推导 转载:http://blog.csdn.net/zhongkejingwang/article/details/43053513 在网上看到有很多文章介绍SVD的,讲的也都不错,但是感觉还是有需要补充的,特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章...转载 2018-03-24 10:09:28 · 529 阅读 · 0 评论 -
推荐算法 Recommendation
推荐算法 Recommendation@(deepLearning)1.基于内容(Content-based Recommendation): 基于内容的推荐是建立在产品的信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。2.协同过滤(Collaborative Filtering):...原创 2018-04-23 10:35:22 · 500 阅读 · 0 评论 -
sigmoid导函数的取值范围?
sigmoid导函数的取值范围?@(deepLearning)sigmoid 公式: g(z)=11+e−zg(z)=11+e−zg(z)=\frac{1}{1+e^{-z}} 导函数: g′(z)=−(1+e−z)−2×(1+e−z)′=e−z(1+e−z)2=1e−z+1e−z+2∈(0,14]g′(z)=−(1+e−z)−2×(1+e−z)′=e−z...原创 2018-04-23 10:44:01 · 5757 阅读 · 0 评论