32、基于矩阵分解的电影推荐系统：Funk SVD 实现与优化

基于矩阵分解的电影推荐系统：Funk SVD 实现与优化

1. 引言

在电影推荐系统中，矩阵分解是一种强大的技术，能够挖掘出隐藏的电影类型和用户偏好。Funk SVD 是矩阵分解的一种有效实现方式，下面将详细介绍其在 MovieGEEKs 中的实现、优化以及评估过程。

2. Funk SVD 在 MovieGEEKs 中的实现

2.1 训练阶段

训练阶段主要完成初始化偏差和因子，并获取评分数据。代码如下：

def initialize_factors(self, ratings, k=25):
    self.user_ids = set(ratings['user_id'].values)
    self.movie_ids = set(ratings['movie_id'].values)
    self.u_inx = {r: i for i, r in enumerate(self.user_ids)}
    self.i_inx = {r: i for i, r in enumerate(self.movie_ids)}
    self.item_factors = np.full((len(self.i_inx), k), 0.1)
    self.user_factors = np.full((len(self.u_inx), k), 0.1)
    self.all_movies_mean = self.calculate_all_movies_mean(ratings)
    self.user_bias = defaultdict(la