需求 占内存太大：但是没有想明白哪里占？参数？ 那就计算一下参数：每个特征哈希出多少个结果 常见方法 Pruning（修剪）: 因为神经网络很多权重几乎为0，这类参数作用不大，部分参数删掉也不影响模型预测效果 Weight Factorization（权重分解）：权重矩阵可以进行低秩矩阵分解，即lo ...
分类：
其他好文 时间：
2021-04-09 13:34:22
阅读次数：
0
对矩阵$A$，有$E_{21}A = U$： \[ \begin{pmatrix} 1 & 0 \\ -4 & 1 \end{pmatrix} \begin{pmatrix} 2 & 1 \\ 8 & 7 \end{pmatrix} = \begin{pmatrix} 2 & 1 \\ 0 & 3 ...
分类：
其他好文 时间：
2021-03-02 12:15:23
阅读次数：
0
高等数学基础 | 01 微积分 | 02 泰勒公式与拉格朗日乘子法 | 03 线性代数基础 | 04 特征值与矩阵分解 | 05 概率论基础 | 06 随机变量与概率统计 | 07 随机变量的几种分布 | 08 核函数变换 | 09 熵与激活函数 | 10 假设检验 | 11 相关分析 | 12 回 ...
分类：
其他好文 时间：
2020-12-15 12:46:29
阅读次数：
4
矩阵分解 Matrix Factorization 矩阵因子分解[Koren等人，2009]是推荐系统文献中一个成熟的算法。矩阵分解模型的第一个版本是由simonfunk在一篇著名的博客文章中提出的，在文章中描述了将交互矩阵分解的思想。后来由于2006年举行的Netflix竞赛而广为人知。当时，流媒 ...
分类：
其他好文 时间：
2020-07-01 20:05:29
阅读次数：
70
diag：以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）。 # numpy.linalg 中有一组标准的矩阵分解运算以及诸如求逆和行列式之类的东西 # np.linalg.diag 以一维数组的形式返回方阵的对角线（或非对角线）元素， # 或将一维数组 ...
分类：
其他好文 时间：
2020-06-11 16:26:33
阅读次数：
57
BiasLFM(bias latent factor model)带偏置项的隐语义推荐模型，加入三个偏置项（所有评分的平均，用户偏置项表示用户的评分习惯和物品没关系， * 物品偏置项表示物品接受的评分中和用户没关系的因素）矩阵分解,训练得到U,I矩阵,以及用户偏置项和物品偏置项 * 对user-it ...
分类：
编程语言 时间：
2020-04-02 22:42:19
阅读次数：
116
关于LFM分解理论和python实现见https://www.cnblogs.com/little-horse/p/12489619.html。 以下是java简单实现，完整程序见https://github.com/jiangnanboy/RecomSys/blob/master/src/main ...
分类：
编程语言 时间：
2020-04-02 22:24:08
阅读次数：
83
SVD（Singular Value Decomposition，奇异值分解）是一种强大的降维工具 很多情况下，数据的一小段携带了大部分信息，其他要么是噪声，要么就是毫不相关的信息，SVD 是矩阵分解的一种，可以把 SVD 看成是从噪声数据中抽取相关特征 优点：简化数据，去除噪声，提高算法的结果 缺 ...
分类：
其他好文 时间：
2020-03-14 21:37:56
阅读次数：
75
原文链接：http://tecdat.cn/?p=10911 用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。 1. 用户和产品的潜在特征 我们可以通过为每个用户和每部电影分配属性，然后将它们相乘并合并结果来估计用户喜欢电影的程度。 ? 相同的计算可以表示为矩阵乘法问题 ...
分类：
编程语言 时间：
2020-02-17 16:00:24
阅读次数：
240
目标： 1）创建图的表征矩阵2）分解：计算矩阵的特征值和特征向量；基于一个或多个特征值，将每个点表示成低维的表征3）分组：基于新的表征，进行聚类例如，二分图中如何确定好的分类？类间差异大，类内差异小最小割集考虑：1）团外的连接性2）团内的连接性评价方式：团间的连接性与每个团的密度相关spectral... ...
分类：
其他好文 时间：
2020-02-07 01:18:17
阅读次数：
62
