机器学习笔记——推荐系统（recommender system）

最新推荐文章于 2021-11-28 22:16:47 发布
最新推荐文章于 2021-11-28 22:16:47 发布
阅读量2.6k 收藏 8
点赞数 3
分类专栏： 机器学习 文章标签： 机器学习 推荐系统 协同过滤 低秩矩阵分解 均值归一化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shanwenkang/article/details/85526900
版权

推荐系统

我们在平时最常见的就是某个网站给你推荐广告，豆瓣给你推荐电影，网易云给你推荐你喜欢的歌，这种系统我们统一称作推荐系统

基于内容的推荐

我们举一个电影打分的例子

我们可以为某一部电影选定特征，不同人对不同的特征有不同的偏爱特性，借此我们可以预测某个人对某部特定电影的打分，输入x是某部电影的特征，θ是某个人对电影特征的偏爱参数

以下是该问题的一些参数

因此对于给定电影的参数与某个人的打分，我们可以求出θ

以下是利用梯度下降法的更新过程

协同过滤

对于数量极大的电影，我们不可能对于每一部都去人工进行特征的标注，因此让我们来考虑另外一个问题，我们已知每个人对不同特征的偏爱程度θ，我们可以反求出电影的特征x使得预测打分与真实结果最接近

为此我们有以下的优化算法

我们可以看出来以上两个过程实际上是个互补的过程，由此我们可以循环往复的循环以上两个过程，这样我们可以通过已有的数据让算法自动学习到电影的特征，并且通过此特征来对电影进行预测打分。我们让算法自动学习特征可以让其学到一些更加抽象复杂的特征，而不像浪漫、动作、喜剧这样过于简单的特征。这些特征可能我们很难直观地去理解它们，但是它们实际上是有意义的，确实代表着电影中某种有特点的元素

我们可以将以上两个步骤整合起来，写成一个完整的算法，我们把这个算法叫做协同过滤（collaborative filtering）。也就是我们可以将两个优化目标循环出现的过程写成一个共同优化的目标

以下是具体的算法过程

矢量化

我们可以将我们的优化过程用矩阵的形式表示来更快地进行计算

预测值我们可以写作X矩阵和θ矩阵相乘的结果，我们把这个过程叫做低秩矩阵分解

如果我们要寻找最相似的电影只需要比较电影的特征向量即可

均值归一化

让我们考虑以下情况，此时我们来了一个新用户，它没有给任何电影打过分，那么根据算法我们将预测它对所有电影打分都是0，这种情况下我们很难给他推荐电影

为此我们可以进行均值归一化（mean normalization），也就是计算所有用户对某一电影打分的平均值，再将每个用户打分减去均值，相当于将电影的均分统一化作0了，这样我们在预测打分的时候就要加上均分。这样有什么好处呢，对于一个新用户，它对每个电影的预测结果实际上就是零加上其他用户对这部电影打的平均分。这样在用户没有任何偏好（即没有对任何电影打过分）的情况下，我们也能对其进行电影推荐了

 

 

 

Veropatrinica
关注
  • 3
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
推荐系统(Recommender Systems) 原理与代码实例讲解
禅与计算机程序设计艺术
06-04 805
1. 背景介绍 推荐系统（Recommender Systems）是计算机科学领域的一个重要分支，它的主要任务是根据用户的历史行为、兴趣、喜好等信息，为用户推荐合适的物品。推荐系统已经广泛应用于电子商务、社交媒体、在线广告等领域，帮助用户发现有价值的信息，提高了用户体验和系统的效率。 2. 核心概念与联系
斯坦福NG机器学习听课笔记-推荐系统（recommender system）
huruzun的专栏
12-29 6413
斯坦福NG机器学习听课笔记-推荐系统（recommender system），NG从电影评级简单例子开始讲，把推荐系统中概念与核心算法（协同过滤）都有清晰的描述。
大白话学懂机器学习与推荐系统实战
05-18
本教程为官方授权出品伴随着大数据时代的到来，作为发掘数据规律的重要手段，机器学习已经受到了越来越多的关注。而作为机器学习算法在大数据上的典型应用，推荐系统已成为各行业互联网公司营销体系中不可或缺的一部分，而且已经带来了真实可见的收益。目前，推荐系统和机器学习已经成为各大公司的发力重点，众多知名公司（如亚马逊、netflix、facebook、阿里巴巴、京东、腾讯、新浪、头条等）都在着眼于将蕴含在庞大数据中的宝藏发掘出来，懂机器学习算法的大数据工程师也成为了新时代最紧缺的人才。精心打造出了机器学习与推荐系统课程，将机器学习理论与推荐系统项目实战并重，对机器学习和推荐系统基础知识做了系统的梳理和阐述，并通过电影推荐网站的具体项目进行了实战演练，为有志于增加大数据项目经验、扩展机器学习发展方向的工程师提供更好的学习平台。本课程主要分为两部分，机器学习和推荐系统基础，与电影推荐系统项目实战。第一部分主要是机器学习和推荐系统基础理论的讲解，涉及到各种重要概念和基础算法，并对一些算法用Python做了实现；第二部分以电影网站作为业务应用场景，介绍推荐系统的开发实战。其中包括了如统计推荐、基于LFM的离线推荐、基于模型的实时推荐、基于内容的推荐等多个模块的代码实现，并与各种工具进行整合互接，构成完整的项目应用。通过理论和实际的紧密结合，可以使学员对推荐系统这一大数据应用有充分的认识和理解，在项目实战中对大数据的相关工具和知识做系统的回顾，并且可以掌握基本算法，入门机器学习这一前沿领域，为未来发展提供更多的选择，打开通向算法工程师的大门。谁适合学:1. 有一定的 Java、Scala 基础，希望了解大数据应用方向的编程人员2. 有 Java、Scala 开发经验，了解大数据相关知识，希望增加项目经验的开发人员3. 有较好的数学基础，希望学习机器学习和推荐系统相关算法的求职人员
Recommender-system_a-introduction
04-27
学习推荐系统的入门书籍，很值得阅读，英文版
机器学习在推荐系统中的应用
03-27
《Machine Learning for Recommender Systems MLSS 2015 Sydney》（机器学习在推荐系统中的应用 MLSS"15 ）Alexandros Karatzoglou在MLSS 2015上的报告 共200多页 包括RBM RNN FM Learning to Rank等在推荐系统中的应用
机器学习-推荐系统导论 Introduction to Recommender Systems
最新发布
07-01
推荐系统导论 Introduction to Recommender Systems Machine Learning 专项课程 自然语言处理公开课(Natural Language Processing).zip 1.0GB 文本挖掘和分析 Text Mining and Analytics.zip 428.6MB 人工智能...
推荐系统RecommenderSystems-master
06-14
**内容概要**：RecommenderSystems-master 是一个关于推荐系统的完整项目，包含详细的推荐系统理论知识、算法实现和实践案例。项目涵盖了协同过滤、基于内容的推荐、混合推荐、矩阵分解、深度学习在推荐系统中的应用...
Recommender-System:推荐系统概述
03-11
欢迎大家关注个人网站Recommender-System论文，学习资料以及业界分享推荐系统（Recommender System）是机器学习应用多个成熟的方向之一，在工业界中，推荐系统也是大数据领域成功的应用之一。排序两个阶段的常用算法...
music-recommender-system:音乐推荐系统
03-11
基于python语言的音乐推荐系统，采用了惊奇库，深度学习，spark + mllib等推荐方法。推荐系统由离线+在线组成，这里仅展示了离线计算方法。该音乐推荐系统可实现以下推荐策略： 1）针对用户推荐 每日歌曲推荐（根据...
Recommender_system:新闻报道推荐系统
04-08
在“Recommender_system”项目中，我们可以看到一个基于Python3的新闻推荐系统实现，它涉及到了机器学习算法、数据抓取（scraping）以及Python编程等多个关键领域。 首先，让我们深入了解推荐系统的概念。推荐系统...
Recommender System
03-27
Recommender System 大作业属小组成员共有。
Machine Learning week 9 quiz: Recommender Systems
热门推荐
GarfieldEr007的专栏
12-03 1万+
Recommender Systems 5 试题 1.  Suppose you run a bookstore, and have ratings (1 to 5 stars) of books. Your collaborative filtering algorithm has learned a paramete
基于机器学习实现协同过滤推荐算法的电影推荐系统
Gavinsp的博客
04-15 8790
可选择的模型很多，如协同过滤，逻辑斯蒂回归，基于DNN的模型，FM等。我们使用的方式是，基于内容相似度计算进行召回，之后通过FM模型和逻辑斯蒂回归模型进行精排推荐，下面就分别说一下，我们做这个电影推荐系统过程中，从数据准备，特征工程，到模型训练和应用的整个过程。
LibRec： 基于机器学习的大数据推荐系统
weixin_33676492的博客
02-13 683
简介：LibRec是领先的推荐系统Java开源算法工具库，覆盖了70余个各类型推荐算法，有效解决评分预测和物品推荐两大关键的推荐问题。推荐系统是机器学习和大数据技术的经典实际应用，旨在提供高效准确的个性化物品推荐，是现代Web应用的重要组件。项目结构清晰，代码风格良好，测试充分，注释与手册完善。目前项目使用GPL3.0协议开源在github中，欢迎大家试用。Librec:...
机器学习笔记(16)——推荐系统
m0_56602092的博客
11-28 2204
一、推荐系统(Recommender Systems) 推荐系统是机器学习中的一个重要应用，有很多的网站都会通过推荐系统来推荐新产品给用户，如亚马逊推荐新书给你，网飞公司试图推荐新电影给你，这些推荐系统是根据浏览你过去买过什么书或评价过什么电影来判断。这些系统会为亚马逊和像网飞这样的公司带来很大一部分收入，因此，对推荐系统性能的改善，将对这些企业的有实质性和直接的影响。 我们首先来通过一个电影推荐例子来理解推荐系统是要解决什么样的问题。如下有五部电影四个用户，每个用户都对其中几部电影做出了评分，那么推荐
Machine Learning|吴恩达 （9-2）- 推荐系统（Recommender Systems）
weixin_40920228的博客
06-23 454
Collaborative filtering Collaborative filtering 协同过滤。不过这个直译名感觉表达不准确啊。可能叫“协同训练”更形象些。系统中涉及θ,xθ,x\theta \; ,x两项需要通过训练进行学习。人已越来越懒，这章节我觉得是全课程比较重要的章节之一。因为提出了“共同训练、循环预测”的概率。然后，居然不想再整理完整笔记了。好吧，以后有时...
基于传统机器学习的推荐系统
gaoyan0335的专栏
01-04 1839
推荐算法具有非常多的应用场景和商业价值，种类很多，但是目前使用最广泛的是以下两种： 1.  基于内容的推荐。通过NLP的一些技术，挖掘文本内容，进而做推荐。 2.  基于协同过滤算法的推荐。 #协同过滤 协同过滤(Collaborative Filtering)，假设我们有m个用户，n个商品，还有一大堆用户对商品的行为数据（浏览、点赞、点踩、评论、分享等），每一种行为可以通过领域知识映射为分值，那...
Automated Machine Learning for Recommendations：Fundamentals and
04-23
这篇文档主要探讨了自动机器学习（Automated Machine Learning, AutoML）在推荐系统中的应用基础及最新进展。作者包括来自香港城市大学、香港理工大学以及华为诺亚方舟实验室的研究人员。文章详细介绍了相关领域的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值