目录
1. 基于内容的推荐算法(Content-based recommendations)
3. 基于梯度下降的协同过滤算法(Collaborative filtering)
4. 低秩矩阵分解(Low rank matrix factorization)
学习完吴恩达老师机器学习课程的推荐系统,简单的做个笔记。文中部分描述属于个人消化后的理解,仅供参考。
如果这篇文章对你有一点小小的帮助,请给个关注喔~我会非常开心的~
0. 前言
在推荐系统中,主要有两种方法,基于内容的推荐算法和协同过滤算法,此文章采用电影推荐作为例子,初始作如下定义:
- --- 用户数量
- --- 电影数量
- --- 用户 对电影 进行了评价
- --- 用户 对电影 的评分
- --- 用户 评价了的电影数量
- --- 拟合用户 评价电影的曲线参数
- --- 电影的特征数量
推荐系统的目标,就是通过用户已经评价的电影和电影的特征,预测用户未评价的电影的评分,由此进行推荐。
1. 基于内容的推荐算法(Content-based recommendations)
给出如下例子(图源:吴恩达机器学习),基于内容的推荐算法已知每部电影的特征值:
对于用户 ,每一部的电影的特征为