===============Problem Formulation================
1.推荐系统自动学习哪些特征是重要的。对下图来说,
是推测出打?号(没看过)的该得多少分。注意:是对特定的
用户推荐。特定的用户有特定的爱好。
=================Content Based Recommendations======================
前提:假设知道每部电影的FEATURE!
1.类似线性回归去找参数THETA
2.找参数THETA的方法。红是常数,可去掉
3.具体目标函数
4.偏导---梯度下降
====================Collaborative Filtering==============================
1.根据用户喜好,实现设定THETA,然后根据THETA找特征X
2.找所有电影的FEATURE---X1-m
3.实际过程是一个不断调整THETA与X的过程。也是相互促进的过程。
==================Collaborative Filtering Algorithm==========================
1.此算法不必在THETA与X之间不断调整。
===================Vectorization: Low Rank Matrix Factorization ============
1.新的描述方法
2.低秩矩阵分解
3.如何找相似电影
==============Implementational Detail: Mean Normalization============
1.EVE没有评论任何电影