參考:
http://www.cnblogs.com/Xnice/p/4522671.html
http://blog.csdn.net/dark_scope/article/details/17228643
http://blog.csdn.net/qq_20599123/article/details/51509335
用戶-電影評分矩陣形式
矩陣分解模型(matrix factorization model)
Baseline Predictors
SVD:
SVD就是一種加入Baseline Predictors優化的matrix factorization model。
加入防止過擬合的 λ 參數,最簡單的SVD是優化下面的Loss function:
採用隨機梯度下降進行優化:
雖然看起來比較簡單,但實際上對預測的效果已經超出Item-based很多了,而從SVD衍生出很多其它的算法,利用了更多的信息,我們在這裏只予以介紹而不加實踐。
SVD++:
SVD++算法是指在SVD的基礎上引入隱式反饋,使用用戶的歷史瀏覽數據、用戶歷史評分數據、電影的歷史瀏覽數據、電影的歷史評分數據等作爲新的參數。
使用用戶的歷史評價數據作爲隱式反饋,算法流程圖如下: