Prerequisite of recommendation system

线性代数几何理解

阅读材料：

【双语字幕】「线性代数的本质」合集

《理解矩阵一》

《理解矩阵二》

《理解矩阵三》

心得：

在本科的学习中，多强调学习抽象的理论和计算规则，而忽视了几何理解。然而脱离了具体的场景来学习抽象的概念往往是困难的（至少对于我来说）。对于初学者来说，更好的学习方式是先学直观的定义，在进一步推导，概括出其中的普适的定律。比如线性的严格定义是由可加性和 一阶齐次性，但对于初学者来说，直观的理解为网格线保持平行且等距更容易接受。从这个角度说，（我）本科的教材更适合于作为一本工具书，查找抽象的概念以及定义，却不是一本好的入门书籍。

在看完上述材料后，我对于抽象这个概念有了更深的理解。这些抽象的概念是为了更广泛的使用而建立的。在人们探索新的事物或理论的时候，只要他们建立的模型或理论满足线性代数或者任何一个已经建立完备的理论的公理（可以理解为满足这些抽象概念的前置条件），那么他们就可以使用这些建立完备理论中经过充分论证的结论来解决他们的具体问题。做一个不恰当的类比，这些抽象概念就好像程序员使用的工具包一样，我们可以不考虑其中的细节，只使用我们想要的函数（结论）得到我们的结果。而要想好的使用他们，我们必须了解使用这些概念的条件和优缺点。具体要调用哪条函数可以用的时候再去看手册（如同我们的教科书）。

SVD入门：

用图片对svd直观的解释

http://www.ams.org/publicoutreach/feature-column/fcarc-svd

部分中文翻译在：

http://blog.sciencenet.cn/blog-696950-699432.html

下文进行了进一步的总结和概括：

https://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html

想了解推导过程看：

SVD在推荐系统中的应用详解以及算法推导

具体应用讲解可以看：

【推荐系统】协同过滤（CF）算法详解，item-base，user-based，SVD，SVD++

机器学习入门

斯坦福Andrew中文文字教程