Machine Learning第九讲[推荐系统] --（二）协同过滤

最新推荐文章于 2023-09-12 13:19:31 发布

nana-li

最新推荐文章于 2023-09-12 13:19:31 发布

阅读量1k

点赞数 1

分类专栏： Machine Learning 文章标签：机器学习协同过滤

本文链接：https://blog.csdn.net/quiet_girl/article/details/72420696

版权

52 篇文章 23 订阅

订阅专栏

内容来自Andrew老师课程Machine Learning的第九章内容的Collaborative Filtering部分。

协同过滤能够自行学习所需要使用的特征。

来看下面的例子：

在之前讲的基于内容的推荐系统中，我们需要事先建立特征并知道特征值，这是比较困难的。

假设我们某一用户的喜好，即假如Alice、Bob喜欢romance的电影，carol、Dave喜欢action的电影，则：

就拿Alice来说，Alice只对romance感兴趣，因此只有x1=5，x0和x2都为0。

我们不需要在意电影的名字，只需要知道对于第一部电影，Alice和Bob都给了5分，而Alice和Bob都喜欢romance的电影，因此极有可能对于第一部电影来说，x1=1.0，x2=0

因此

又因为对于第一部电影，4个人都给了评分，因此有下列公式：

即我们通过θ来预测x。

下面是优化目标：

我们该怎样将之前基于内容的推荐算法和本部分内容结合呢？

在上面提到我们可以通过不过x --> θ --> x --> θ --> x --> ....的过程来求出θ和x的最优值，这个过程比较复杂，下面有一种更简单的方法，我们可以同时求出x和θ的值：

整理一下协同过滤算法的流程：

关注

专栏目录