who_a

摘要： 根据(一)所描述的model-based 方法， 在实际大规模数据建模中也用因子分解来近似原先的评分矩阵R。而本篇文章所要介绍的便是交替最小二乘法(Alternating Least Squares)，通过评分矩阵R，user-item 找到近似的k维矩阵S(上文提到的) ，最终R(m×n)可以用两 阅读全文

摘要： k近邻分类器大概想法是 在已知许多样本分好类的情况下，给定一个新样本i， 计算得到与i最接近的k个样本，那么假设这k个样本为a1, a2, ... , ak ,总共五个类别{1,2,3,4,5}, 其中就有{a1:3, a2:4, a3:1, ... , ak:2}，a1 所对的值3 就为它的类别， 阅读全文

摘要： 逻辑回归常用于分类问题，最简单诸如二分类问题：是否是垃圾邮件？比赛是赢是输？ 对于线性回归问题， z = w0*x0+w1*x1+w2*x2+... 一般的通过最小二乘法学习参数w来预测 给定一个x值时z的大小，其值域在(-∞,+∞)，而对于分类问题，显然预测值是离散的，通过引入S函数先将值域y缩小 阅读全文

摘要： 协同过滤分为 memory-based 和 model based 1. memory-based 利用用户物品之间相似度进行推荐 一种是 item-item 即喜欢这个物品的用户还喜欢.. 一种是 user-item 即与你有相似爱好的用户还喜欢.. 现在有个评分矩阵R，行表示用户，列表示物品，R 阅读全文

摘要： 对数据集movie ml-100k 有用户，电影，评分，时间戳四个数据字段， 以用户-电影组成的评分矩阵R，可以用SVD方法转化成两个因子矩阵P,Q ，用两个因子的乘积R'来作为原先矩阵的近似，R由于用户看的电影数目及一个电影所能吸引用户的数量，决定了R是稀疏的，然而R'是R的近似，相对于R是稠密的 阅读全文