摘要：
一、差分与微分 我自己的理解。二、求解 2.1 矩阵 这就是matlab的计算结果.太小的话放大些:c = 4 5 9 7 2 1 5 2 6>> [x,y]=gradient(c)x = 1.0000 2.5... 阅读全文
摘要：
这里我想给大家介绍另外一种推荐系统，这种算法叫做潜在因子（Latent Factor）算法。这种算法是在NetFlix（没错，就是用大数据捧火《纸牌屋》的那家公司）的推荐算法竞赛中获奖的算法，最早被应用于电影推荐中。这种算法在实际应用中比现在排名第一的@邰原朗所介绍的算法误差（RMSE）会小不少... 阅读全文
摘要：
阅读全文
摘要：
一、原理 它是建立在极大似然原理的基础上的一个统计方法，极大似然原理的直观想法是：一个随机试验如有若干个可能的结果A，B，C，…。若在仅仅作一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大。一般地，事件A发生的概率与参数theta相关，A发生的概率记为P(A，theta... 阅读全文
摘要：
目标函数是要最小化C： 求其梯度： 梯度下降求最小值： 阅读全文
摘要：
本文将简单介绍下最近学习到的矩阵分解方法。 （1）PureSvd 矩阵分解的核心是将一个非常稀疏的评分矩阵分解为两个矩阵，一个表示user的特性，一个表示item的特性，将两个矩阵中各取一行和一列向量做内积就可以得到对应评分。 那么如何将一个矩阵分解为两个矩阵就是唯一的问题了。说到这里... 阅读全文
摘要：
为了方便介绍，假设推荐系统中有用户集合有6个用户，即U={u1,u2,u3,u4,u5,u6}，项目（物品）集合有7个项目，即V={v1,v2,v3,v4,v5,v6,v7}，用户对项目的评分结合为R，用户对项目的评分范围是[0, 5]。R具体表示如下： 推荐系统的目标就是预测出符号“？”对... 阅读全文