推荐

1.基于内容的推荐

例子：n_u个用户，n_m个电影，基于电影的类型对每一部电影生成特征x，theta是用户的参数向量，用户j对某一部电影i的评分=,所以，为题由归结到了求参数theta，

优化目标如下：

梯度下降算法：

2.协同过滤

假设已知用户对电影的参数theta，求x_i,与前边讲述的刚好相反，我们就可以基于给定的theta 求出x，再根据求出的x推导出theta，如此循环，即可得出最好的效果。

改进：

算法实现步骤

均值规范化：假设最后一个用户没有对任何电影进行评分，最后得到的参数将为0，为了使这一结果合理化，获取每一部电影的平均分，，然后将原始的Y一次减去平均分，得到转化后的Y，最后评分即为