14. 推荐系统之矩阵分解

本文为 「茶桁的 AI 秘籍 - BI 篇 第 14 篇」

Hi，你好。我是茶桁。

新年过后，咱们要开始学一些新内容了。从今天开始，要给大家去讲解的是关于推荐系统的内容。推荐系统的一些核心的原理会在今天开始的几节课中去给大家介绍，这个方法就是 ALS 方法。

ALS 方法的背景是来自于一场比赛，比赛的赛题是去提升 Netflix，一个电影网站的推荐率，如果你的推荐率能提升 10%，那么就会奖励你 100 万美金，是一个百万美金悬赏的一个比赛。

矩阵分解 ALS

ALS 方法提出的作者是个中国人，在完成这个比赛的时候还没有达到 10%，但是他发现这个方法确实可以提升。相比于 Netflix 官方的推荐系统的转化率可以提升将近 6% 的一个转化率，所以他也发表了一篇论文，这就是我们今天看到的一个内容。

这个场景也利用到现在的推荐系统里面一个很核心的一个方法叫做矩阵分解，这就是我要给大家去讲解的内容。我们看一看这些工具是如何来进行使用的，尤其在推荐系统里面都有哪些工具箱，未来你要做推荐的时候也可以使用它们，这是咱们之后几节课的主要内容。

首先，推荐系统 ALS 矩阵分解先去从整体上去了解。

• 推荐系统的算法都有哪些
• 什么叫做矩阵分解
• 矩阵分解里的 ALS 的方法指的是什么

ALS 方法其实是优化问题的解法之一，它只是其中的一种解法。可能更多人应该会了解一个方法叫做 SGD，SGD 在机器学习里面也是一个非常常见的优化的方式，帮我们调参数的。SGD 叫做随机梯度下降，梯度下降应该是机器学习非常核心的一个原理，它帮我们寻找参数的求解，每一次是沿着梯度的方向来进行优化，所以随机梯度下降是