【吴恩达机器学习】第十六章

第十六章 基于内容的推荐系统

16-1 推荐系统

X是特征，含有浪漫元素和动作元素的含量，其中要设定X₀为截距。
权重是根据机器学习算法计算得出。
然后用来预测第一列，第三行的评价得分。

16-2

目标函数，使用梯度下降法计算权重值

16-3协同过滤

• 给定的$\theta$获得最佳的特征X（即电影是什么种类的）
• 给定的X，优化得到$\theta$
• 反复执行这个操作

16-4 协同过滤算法实现

将上面的式子统一得到一个目标函数，然后进行优化

滤波算法过程

16-5 低秩矩阵分解

使用矩阵分解，将Y矩阵分解为相应的列行向量
Y=X *$\theta$^T

找相关的电影，需要使矩阵的特征差的范数最小

16-6实施细节——均值归一化

如果出现上面用户E没有评分，如果按照上节的方法会出现全部是0分或者相同的情况（忽略X₀），这时使用均值归一化

$\mu$是每行的均值，采用下面的方式
重新得到Y
Y=X*$\theta$^T+$\mu$
即使$\theta$^T等于零，也不会是零分