在協(xié)同過濾推薦算法總結(jié)中，我們講到了用矩陣分解做協(xié)同過濾是廣泛使用的方法，這里就對(duì)矩陣分解在協(xié)同過濾推薦算法中的應(yīng)用做一個(gè)總結(jié)。(過年前最后一篇！祝大家新年快樂！明年的目標(biāo)是寫120篇機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和NLP相關(guān)的文章)
1. 矩陣分解用于推薦算法要解決的問題
在推薦系統(tǒng)中，我們常常遇到的問題是這樣的，我們有很多用戶和物品，也有少部分用戶對(duì)少部分物品的評(píng)分，我們希望預(yù)測(cè)目標(biāo)用戶對(duì)其他未評(píng)分物品的評(píng)分，進(jìn)而將評(píng)分高的物品推薦給目標(biāo)用戶。比如下面的用戶物品評(píng)分表：
| 用戶\物品 | 物品1 | 物品2 | 物品3 | 物品4 | 物品5 | 物品6 | 物品7 |
| 用戶1 | 3 | 5 | 1 |
延伸閱讀
 學(xué)習(xí)是年輕人改變自己的最好方式
我想了解如何學(xué)習(xí) |