16. BI - 推荐系统之 ALS 实现

本文为 「茶桁的 AI 秘籍 - BI 篇 第 16 篇」

Hi,你好。我是茶桁。

前面两节课的内容中，我们从矩阵分解到 ALS 原理，依次给大家讲解了推荐系统中的一个核心概念。

矩阵分解中拆矩阵的背后其实是聚类。就说 k 等于几是人工设定的，所以跟聚类概念很像。就是要把人群划分成几类，把电影划成几类。k 等于 3 是自己去设定的，也可以把它拆成 k 等于 4、k 等于 5，都是一样的，是要完成聚类任务。

聚类不需要操心到底有哪些类型，它会自动的聚成这几类。这也是为什么把它称为隐分类。

「隐」就是我们知道它聚成了三种类型，但是不太清楚这三种类型具体的名称应该叫什么。所以它确实用了聚类的概念，至于为什么用了聚类概念，是因为最后学出来的类型是在 3 个维度上打分的，一个用户有 3 个维度的评分，一个商品也有 3 个维度评分。其实就相当于是把用户聚成了三类，商品聚成了三类。

或者换个角度，可以看一下

还是用之前的 12 * 9 的矩阵，以前一个用户的向量有 9 个维度，9 个维度还是比较多的，有可能每个维度不全。现在我们要把 9 个维度做成 3 个维度(k=3)，这 3 个维度就变成了更稠密的压缩的维度，这个小的维度就是个降维。

所以用户要降成 3 个维度，商品也要降成相同的 3 个维度，它的概念都是一样的，大家都是在这个维度上面做一个抽象，这是为什么最开始我们给它画这个场景。用户商品中间这个隐分类我们把它称为 interest。

或者这个 k 就