【Mark Schmidt课件】机器学习与数据挖掘——推荐系统

本课件主要内容：

1. 上次课程回顾：隐因子模型

2. 鲁棒PCA

3. 隐因子模型的变化形式

4. Netflix奖

5. 协同过滤问题

6. 协同过滤的矩阵分解

7. 基于内容的滤波 vs. 协同滤波

8. 混合方法

9. SVD特征的随机梯度

10. 可视化的隐因子模型

11. 非线性隐因子模型

12. 多维尺度

13. MDS方法（Sammon映射）

14. 张量分解

15. 热启动

16. K近邻与计数

17. L2正则化的最小二乘

18. Logistic回归

19. 非凸/贪婪模型

20. 主题模型

21. 检索词频率

22. 潜在语义索引

英文原文课件下载地址：

http://page5.dfpan.com/fs/6lcj9221229146b3ff8/

更多精彩文章请关注微信号：