推荐系统-----矩阵分解总结(借见原文https://zhuanlan.zhihu.com/p/35262187)
1.PureSVD
总结
首先因为低秩假设,一个用户可能有另外一个用户与他线性相关(物品也一样),所以用户矩阵完全可以用一个比起原始UI矩阵更低维的矩阵表示,pureSVD就可降维得到两个低维矩阵,但是此方法要求原始矩阵稠密,因此要填充矩阵(只能假设值),因此有了funkSVD直接分解得到两个低维矩阵。因为用户,物品的偏置爱好问题所以提出了biasSVD。因为用...
转载
2019-07-14 16:46:18 ·
723 阅读 ·
0 评论