推荐系统，特征学习，协同过滤算法，均值归一化

推荐算法的实际应用，根据用户对电影的评分来预测某种类型用户为评分电影的分值 

基于内容的推荐算法:目标的特征都有，用这些特征描述量

 给推荐算法的公式定义

 

优化目标函数 

 

特征学习：能够自行学习所要使用的特征

 

如何从一部特定的电影中学习新特征的方法和公式

 

 学习所有电影的所有特征

 

1.上面的式子代表了每位用户对所有电影的评价

2.中间的式子代表了每部电影不同用户对它的评价代价函数

3.下面的式子可以同时算出以上的两个量 

协同过滤算法：执行算法时，要观察大量的用户，观察其实际行为，得到更佳的评估值，从而更好地学习特征，这些学习好的特征又能被用来更好地进行预测和评估。（每一位用户地评价都在帮助算法进行更好的特征学习） 

 

 

 

协同过滤算法的向量化实现 

协同过滤算法的应用

 

均值归一化及其实现

1.根据已有的评分计算出每部电影的平均值U

2.用已有得分减去平均值U得到矩阵Y来学习未知数值的参数和预测值