1.原理发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。NMF，全称为non-negative matrix factorization，中文呢为“非负矩阵分解”。NMF的思想：V=WH（W权重矩阵、H特征矩阵、V原矩阵），通过计算从原矩阵提取权重和特征两个不同的矩阵出来。属于一个无监督学习的算法，其中限制条件就是W和H中的所有...
分类：
其他好文 时间：
2016-07-15 21:47:00
阅读次数：
825
1. NMF-based 推荐算法在例如Netflix或MovieLens这样的推荐系统中，有用户和电影两个集合。给出每个用户对部分电影的打分，希望预测该用户对其他没看过电影的打分值，这样可以根据打分值为其做出推荐。用户和电影的关系，可以用一个矩阵来表示，每一列表示用户，每一行表示电影，每个元素的值表示用户对已经看过的电影的打分。下面来简单介绍一下基于NMF的推荐算法。在python当中有一个包叫做...
分类：
其他好文 时间：
2016-07-15 21:46:08
阅读次数：
428
题目信息1103. Integer Factorization (30)时间限制1200 ms
内存限制65536 kB
代码长度限制16000 B
The K-P factorization of a positive integer N is to write N as the sum of the P-th power of K positive integers. You are su...
分类：
其他好文 时间：
2016-05-18 19:29:49
阅读次数：
102
Jam's math problem Problem Description Jam has a math problem. He just learned factorization.He is trying to factorize ax^2+bx+c into the form of pqx^ ...
分类：
其他好文 时间：
2016-04-24 00:47:55
阅读次数：
162
1.背景
Steffen Rendle于2010年提出Factorization Machines（下面简称FM），并发布开源工具libFM。FM的提出主要对比对象是SVM，与SVM相比，有如下几个优势
（1）对于输入数据是非常稀疏（比如自动推荐系统），FM可以，而SVM会效果很差，因为训出的SVM模型会面临较高的bias。
（2）FMs拥有线性的复杂度, 可以通过 primal 来优化而不依...
分类：
其他好文 时间：
2016-04-22 19:03:03
阅读次数：
263
MF的效果 1）与P、Q的初始值有关系；取值的方式包括：a)正态分布b)随机取数c)随机取数/隐向量维数d)全赋值为0；不同的方式导致结果不同，如Yelp，phonix数据集下，c)的方式就会好些 2）与P、Q的维数有关；传统理解应该维数增加，效果也提升。但是不同数据集，效果却是不同的。如Yelp, ...
分类：
其他好文 时间：
2016-04-14 17:31:17
阅读次数：
299
Steffen Rendle于2010年提出Factorization Machines（下面简称FM），并发布开源工具libFM。 一、与其他模型的对比 与SVM相比，FM对特征之间的依赖关系用factorized parameters来表示。对于输入数据是非常稀疏（比如自动推荐系统），FM搞的定
分类：
其他好文 时间：
2016-03-08 21:06:52
阅读次数：
145
Problem Description Jam has a math problem. He just learned factorization. He is trying to factorize ax^2+bx+cax?2??+bx+c into the form of pqx^2+(qk+m
分类：
其他好文 时间：
2016-02-01 01:58:52
阅读次数：
155
