摘要：
一、向量化：低秩矩阵分解 之前我们介绍了协同过滤算法，本节介绍该算法的向量化实现，以及说说有关该算法可以做的其他事情。 举例：1.当给出一件产品时，你能否找到与之相关的其它产品。2.一位用户最近看上一件产品，有没有其它相关的产品，你可以推荐给他。 我们将要做的是：实现一种选择的方法，写出协同过滤算法 阅读全文
摘要：
在之前的基于内容的推荐系统中，对于每一部电影，我们都掌握了可用的特征，使用这些特征训练出了每一个用户的参数。相反地，如果我们拥有用户的参数，我们可以学习得出电影的特征。 但是如果我们既没有用户的参数，也没有电影的特征，这两种方法都不可行了。协同过滤算法可以同时学习这两者。 我们的优化目标便改为同时针 阅读全文
摘要：
假使我们是一个电影供应商，我们有 5 部电影和 4 个用户，我们要求用户为电影打分。 前三部电影是爱情片，后两部则是动作片，我们可以看出Alice 和Bob 似乎更倾向与爱情片， 而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用户给所有的电影都打过分。我们希望构建一个算法来预测他们每 阅读全文