lcj_cjfykx的专栏

协同优化算法维基百科，自由的百科全书跳转到： 导航,搜索协同优化算法的原理是将一复杂的目标函数分解成简单的子目标函数，然后再将这些子目标函数进行协同优化。具体说来，协同优化是在优化每一子目标函数同时综合考虑其它子目标函数的结果，使子目标函数之间的优化结果能够一致。优化结果一致是指使每一变量的值在每一子目标函数的优化结果中能够一致。一般来说，可以证明，如果变量的值一致则为最优

转载声明：转载时请以超链接形式标明文章原始出处: http://www.marsopinion.com/2008/04/20/collaborative-filtering/Collaborative Filtering简单说就是，找到和你喜好类似的那群人，看他们买了什么你还没买的东西，推荐给你。简化举例来说，你买了哈利波特，羽泉的CD，新宋……他会去找其他买了类似产品的同学们：A

现在做的一个项目中需要用到推荐算法, 在网上查了一下. Beyond Search介绍了一个协同过滤算法(Collaborative Filtering) : Slope One;和其它类似算法相比, 它的最大优点在于算法很简单, 易于实现, 执行效率高, 同时推荐的准确性相对很高;基本概念Slope One的基本概念很简单, 例子1, 用户X, Y和A都对Item1打了分.

上次大概地介绍了一下现在常用的推荐算法，下面来介绍两种比较优化的算法。Apriori算法关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。经典的频集算法:Agrawal等于1994年提出了一个挖掘顾客交易数据库中项集间的关联规则的重要方法 ，其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔

Making a “rank-one update” to a matrix  means adding to the matrix another matrix of rank one:This actually occurs quite a bit in statistics and optimisation – I’m interested in the topi