用Python实现SVD推荐算法

最新推荐文章于 2024-09-04 00:15:00 发布

冥更

最新推荐文章于 2024-09-04 00:15:00 发布

阅读量4.5k

点赞数 2

分类专栏：机器学习文章标签： SVD

本文链接：https://blog.csdn.net/qq_24852439/article/details/84452022

版权

本文介绍了使用Python实现SVD（奇异值分解）推荐算法的详细过程，包括预测评分矩阵的分解，目标函数的设定，以及梯度下降法求解参数更新的公式。通过这段代码，读者可以理解SVD在推荐系统中的应用。

摘要由CSDN通过智能技术生成

将预测评分矩阵分解为用户特征矩阵和项目特征矩阵，预测评分计算式为：
在这里插入图片描述
目标函数为：

根据梯度下降计算，参数更新式为：

该算法的Python代码为：

import math
import random
import matplotlib.pyplot as plt


# 求平均值
def Average(fileName):
    fi = open(fileName, 'r')
    result = 0.0
    cnt = 0
    for line in fi:
        cnt += 1
        arr = line.split()
        result += int(arr[2].strip())
    return result / cnt


# 计算矩阵点积
def InerProduct(v1, v2):
	result = 0
	for i in range(len(v1)):
		result += v1[i] * v2[i]
		
	return result


'''
定义预测评分计算式
参数声明：
av：平均值
bu: 用户评分与用户平均