线性代数：矩阵分解(Matrix factorization)

矩阵分解算法由奇异值分解算法（Singular Value Decomposition, SVD）演变而来，传统的奇异值分解算法只能对数据稠密的矩阵进行分解，而评分矩阵是极度稀疏的，因此，若要使用SVD对评分矩阵进行分解，首先要对矩阵的缺失值进行填充，这样便造成了以下两个问题：

填充缺失数据会极大的增加数据量，导致算法复杂度上升。
填充方法不当会导致数据失真。
由于SVD算法在评分矩阵中不能发挥良好的作用，人们转而研究是否能只考虑已有评分对矩阵进行分解，于是便有了BasicSVD、FunkSVD、SVD++等矩阵分解方法。

---

---

---

参考资料：
推荐系统：矩阵分解（Matrix factorization）
Matrix Factorization 学习记录（一）：基本原理及实现