FunkSVD、biasSVD、SVD++对MovieLens数据集进行评分预测

前言

传统SVD在使用上的局限：
SVD分解要求矩阵是稠密的 => 矩阵中的元素不能有缺失；所以，类似于数据清洗，我们需要先对矩阵中的缺失元素进行补全；
先有鸡，还是先有蛋。实际上传统SVD更适合做降维。
存在的问题：矩阵往往是稀疏的，大量缺失值 => 计算量大；填充方式简单粗暴 => 噪音大。
在SVD的基础上，提出了改进的算法FunkSVD、biasSVD、SVD++，原理和举例见下文。

FunkSVD原理与应用举例

（最近时间精力有限，案例代码见gitee）： FunkSVD对MovieLens数据集进行评分预测

biasSVD原理与应用举例

（最近时间精力有限，案例代码见gitee）： biasSVD对MovieLens数据集进行评分预测

SVD++原理与应用举例

（最近时间精力有限，代码过程见gitee）：SVD++对MovieLens数据集进行评分预测

总结

（如果您发现我写的有错误，欢迎在评论区批评指正）。