摘要：
均值归一化可以让算法运行得更好。 现在考虑这样一个情况：一个用户对所有的电影都没有评分，即上图所示 的Eve用户。现在我们要学习特征向量（假设n=2） 以及用户5的向量θ(5),因为用户Eve没有对任何电影打分，所以前面的一项为0，只有后面正则化的项，所以影响θ取值的只有后面的θ的正则化的项。所以要 阅读全文
posted @ 2017-09-19 21:27
李燕
阅读(4257)
评论(0)
推荐(0)
摘要：
如上图中的predicted ratings矩阵可以分解成X与ΘT的乘积，这个叫做低秩矩阵分解。 我们先学习出product的特征参数向量，在实际应用中这些学习出来的参数向量可能比较难以理解，也很难可视化出来，但是它们是做为区分不同电影的特征 怎么来区分电影i与电影j是否相似呢？就是判断X(i)与X 阅读全文
posted @ 2017-09-19 20:21
李燕
阅读(873)
评论(0)
推荐(0)
浙公网安备 33010602011771号