SVD推荐算法（二）
这次讲解的是model-based的SVD推荐算法。
跟ALS推荐算法一样，都是矩阵分解的推荐算法，只不过求解的方式不同而已。
假如评分矩阵是R，那么我们希望拟合这样一个模型
R=U*M
其中U是user特征，M是item特征。
假如一个user的特征是u，一个item的特征是i，那么这个user对这个item的评分就是
u*i（两个特征的内积...
分类：
编程语言 时间：
2015-04-24 21:12:07
阅读次数：
4343
SVD推荐算法（一）
看了不少论文，总结起来用SVD做推荐主要有两种不同的方式。
1 本质上是memory-based，只不过先用SVD对user-item的评分矩阵做降维，得到降维后的user特征和item特征，可以分别做userbased的协同过滤和itembased的协同过滤。
2 本质上是model-based，跟传统数学意义的SVD没有太大关系，只不过借鉴了SV...
分类：
编程语言 时间：
2015-04-24 21:11:34
阅读次数：
243
PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的理解，比如 个性化推荐中应用了SVD，...
分类：
其他好文 时间：
2015-04-16 14:08:23
阅读次数：
223
看到的一篇比较好的关于SVD几何解释与简单应用的文章，其实是有中文译本的，但是翻译的太烂，还不如直接看英文原文的。课本上学的往往是知其然不知其所以然，希望这篇文能为所有初学svd的童鞋提供些直观的认识吧。A sigular value decomposition目录(?)[-]Introductio...
分类：
其他好文 时间：
2015-04-11 13:02:21
阅读次数：
160
首先确实是觉得这篇文章写得很好，后面的附录也是非常值得一看
整体框架转自
http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
中间穿插一些自己的理解的部分
前言：
PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇...
分类：
其他好文 时间：
2015-04-10 13:35:58
阅读次数：
218
这篇文章主要是结合机器学习实战将推荐算法和SVD进行相应的结合
任何一个矩阵都可以分解为SVD的形式
其实SVD意义就是利用特征空间的转换进行数据的映射，后面将专门介绍SVD的基础概念，先给出python，这里先给出一个简单的矩阵，表示用户和物品之间的关系
这里我自己有个疑惑？
对这样一个DATA = U（Z）Vt
这里的U和V真正的几何含义 : 书上的含义是U将物品映射到了新的特...
分类：
编程语言 时间：
2015-03-17 21:56:23
阅读次数：
276
SVD分解SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章。本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论...
分类：
其他好文 时间：
2015-03-13 12:24:30
阅读次数：
185
矩阵分解在推荐系统中的应用浅谈矩阵分解在推荐系统中的应用SVD在推荐系统中的应用用于推荐系统的一种矩阵分解库：LibMF基于矩阵分解的推荐算法，简单入门 - kobeshow
分类：
其他好文 时间：
2015-03-11 23:24:31
阅读次数：
144
在优化求解问题中，经常要用到矩阵奇异值的SVD分解。奇异值分解 (singularvalue decomposition,SVD)是一种可靠地正交矩阵分解法，它比QR分解法要花上近十倍的计算时间。在Ubuntu下基于eigen C++库测试了eigen SVD算法的性能，即SVD求解最小二乘/伪逆...
分类：
编程语言 时间：
2015-03-03 06:24:38
阅读次数：
553
