机器学习---吴恩达---Week9_2（推荐系统）

标签：图片   systems   idt   特征   mic   优化算法   评分   推荐系统   实施   

Recommender Systems（推荐系统）

Problem formulation（问题描述）

n_u：用户数量

n_m：电影数量

r(i, j)：用户j给电影评分时为1

y^{(i, j)}：用户j给电影i评的分数

Content-­‐based recommendations（基于内容的推荐系统）

θ^(j)：用户j的参数向量

x⁽ⁱ⁾：电影i的特征向量

(θ^(j))^Tx⁽ⁱ⁾：用户j对电影i的预测评分

m^(j)：用户j参与评分的电影数量

优化目标：

优化算法（梯度离散更新）：

Collaborative filtering（协同过滤）

优化算法：

Collaborative filtering（协同过滤）

Collaborative filtering algorithm（协同过滤算法）

优化目标：

优化算法：

Vectorization: Low rank matrix factorization（矢量化：低秩矩阵因式分解）

X * Θ^T = Predicted ratings

Finding related movies:

Implementation detail: Mean normalization（实施细节：均值归一化）

机器学习---吴恩达---Week9_2（推荐系统）

标签：图片   systems   idt   特征   mic   优化算法   评分   推荐系统   实施   

原文地址：https://www.cnblogs.com/zouhq/p/10700036.html