【数据应用案例】预测电影偏好？如何利用自编码器实现协同过滤方法

案例来源：@机器之心

案例地址： https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650742528&idx=2&sn=175ac53d0f360e107dc3ae75d3e774dc&chksm=871adb7eb06d5268130f782ee914c0d56d3e50ca926674fb85f055c1baa1522c1ac82f433c2f&scene=0#rd

1. 深度自编码器

1）与自编码器的区别在于有更多的隐藏层

2）第一层抽取原始特征，第二层开始抽取高阶特征

2. 实现

1）使用MovieLens数据集，基于TensorFlow实现

2）网络包括三个隐藏层，每层128个神经元。输入和输出层的大小对应于数据集中所有当前影片数据量

3）训练技巧：正向传播后，将原始样本中用户没有预测的电影（即预测值为0）在输出层也标记为0，极大加快了训练速度

4）训练完成后，模型包含了用户对应各电影的评级规律

5）测试：50轮迭代模型，RMSE为0.929，说明预测的星级与用户实际标引的星级平均误差为0.929颗星