pdf链接:私聊
一.推荐系统逻辑框架
二.数据加工
三.模型部分
四.传统推荐模型的进化
协同过滤(CF):UserCF(寻找相同爱好的朋友),ItemCF(寻找物品之间的相似度)
五.矩阵分解
三种:特征值分解,奇异值分解,梯度下降分解
矩阵类型:方阵m*m,普通m*n的实数矩阵A,
互联网常用:梯度下降矩阵分解
六.梯度下降法
参考链接:深入浅出--梯度下降法及其实现 - 简书
利用在逻辑回归上,但是会丢失大量信息。
pdf链接:私聊
协同过滤(CF):UserCF(寻找相同爱好的朋友),ItemCF(寻找物品之间的相似度)
三种:特征值分解,奇异值分解,梯度下降分解
矩阵类型:方阵m*m,普通m*n的实数矩阵A,
互联网常用:梯度下降矩阵分解
参考链接:深入浅出--梯度下降法及其实现 - 简书
利用在逻辑回归上,但是会丢失大量信息。