因子分析
漱冰濯雪
这个作者很懒,什么都没留下…
展开
-
浅谈矩阵分解在推荐系统中的应用
http://www.cnblogs.com/hxsyl/p/4881453.html为了方便介绍,假设推荐系统中有用户集合有6个用户,即U={u1,u2,u3,u4,u5,u6},项目(物品)集合有7个项目,即V={v1,v2,v3,v4,v5,v6,v7},用户对项目的评分结合为R,用户对项目的评分范围是[0, 5]。R具体表示如下:转载 2016-01-16 20:51:42 · 581 阅读 · 0 评论 -
基于矩阵分解的推荐算法,简单入门
本文将要讨论基于矩阵分解的推荐算法,这一类型的算法通常会有很高的预测精度,也活跃于各大推荐系统竞赛上面,前段时间的百度电影推荐最终结果的前10名貌似都是把矩阵分解作为一个单模型,最后各种ensemble,不知道正在进行的阿里推荐比赛( http://102.alibaba.com/competition/addDiscovery/index.htm ),会不会惊喜出现。。。。好了,闲话不扯了,本文转载 2016-01-21 16:53:54 · 3509 阅读 · 0 评论 -
梯度下降的矩阵分解公式推导
http://www.cnblogs.com/hxsyl/p/4881727.html目标函数是要最小化C: 求其梯度: 梯度下降求最小值:转载 2016-03-29 14:59:34 · 8064 阅读 · 0 评论 -
再谈矩阵分解在推荐系统中的应用
http://www.cnblogs.com/hxsyl/p/4881685.html本文将简单介绍下最近学习到的矩阵分解方法。 (1)PureSvd 矩阵分解的核心是将一个非常稀疏的评分矩阵分解为两个矩阵,一个表示user的特性,一个表示item的特性,将两个矩阵中各取一行和一列向量做内积就可以得到对应评分。 那么如何将一个矩阵分解为两个矩阵就是转载 2016-03-29 15:01:04 · 1275 阅读 · 0 评论 -
浅谈矩阵分解在推荐系统中的应用
http://www.cnblogs.com/hxsyl/p/4881453.html为了方便介绍,假设推荐系统中有用户集合有6个用户,即U={u1,u2,u3,u4,u5,u6},项目(物品)集合有7个项目,即V={v1,v2,v3,v4,v5,v6,v7},用户对项目的评分结合为R,用户对项目的评分范围是[0, 5]。R具体表示如下:转载 2016-03-29 15:02:10 · 618 阅读 · 0 评论 -
因子分析Factor analysis
简介:本文主要介绍EM算法求解因子分析问题因子分析Factor analysis在文章 EM算法 求解混合高斯模型时,通常假设拥有足够多的样本去构造这个混合高斯分布,即样本数量n要远大于样本维数d: 如果样本数量小于样本维数,那么协方差矩阵 是奇异矩阵,那么 和都无法计算。在因子分析中,一个d维的向量通常由一个k维向量生成,通常k远小于d。具体模型如公式1所示:公式1转载 2016-03-29 15:09:43 · 3623 阅读 · 0 评论