Stanford机器学习---第十四讲. 推荐系统

===============Problem Formulation================

1.推荐系统自动学习哪些特征是重要的。对下图来说，

是推测出打？号（没看过）的该得多少分。注意：是对特定的

用户推荐。特定的用户有特定的爱好。

 

=================Content Based Recommendations======================

前提：假设知道每部电影的FEATURE!

1.类似线性回归去找参数THETA

2.找参数THETA的方法。红是常数，可去掉

3.具体目标函数

4.偏导---梯度下降

 

====================Collaborative Filtering==============================

1.根据用户喜好，实现设定THETA，然后根据THETA找特征X

 

2.找所有电影的FEATURE---X1-m

3.实际过程是一个不断调整THETA与X的过程。也是相互促进的过程。

==================Collaborative Filtering Algorithm==========================

1.此算法不必在THETA与X之间不断调整。

===================Vectorization: Low Rank Matrix Factorization ============

1.新的描述方法

2.低秩矩阵分解

3.如何找相似电影

==============Implementational Detail: Mean Normalization============

1.EVE没有评论任何电影