18、机器学习算法实践：矩阵分解、云端部署与基础工具使用

机器学习算法实践：矩阵分解、云端部署与基础工具使用

一、R语言实现矩阵分解

在推荐系统领域，矩阵分解是一种重要的技术，相较于协同过滤，它计算量更小且通常能提供更好的结果。下面将介绍如何使用R语言中的 recommenderlab 包实现矩阵分解。

1.1 导入相关包和数据集

# Matrix factorization
t=read.csv("D:/book/Recommender systems/movie_rating.csv")
library(reshape2)
library(recommenderlab)

1.2 数据预处理

t2=acast(t,critic~title)
t2
# Convert it as a matrix
R<-as.matrix(t2)
# Convert R into realRatingMatrix data structure
# RealRatingMatrix is a recommenderlab sparse-matrix like data-structure
r <- as(R, "realRatingMatrix")

1.3 使用funkSVD函数构建矩阵因子

fsvd <- funkSVD(r, k=2,verbose = TRUE)
p <- predict(fsvd, r, verbo