18、推荐引擎与无监督学习技术详解

推荐引擎与无监督学习技术详解

1. 推荐引擎

1.1 推荐示例

根据之前的推荐结果，用户 355 可能最喜欢的电影是《好家伙》（Goodfellas），其次是《公主新娘》（Princess Bride）、《我最好朋友的婚礼》（There’s Something About Mary）等。不过，这些推荐最终还是要由用户自己来评判。

1.2 协同过滤的网格搜索

在机器学习中，为了得到最优的模型，需要对参数进行调优。在下面的代码中，我们尝试了不同的迭代次数、潜在因子和学习率的组合：

# Grid Search on Collaborative Filtering
>>> niters = [20,50,100,200]
>>> factors = [30,50,70,100]
>>> lambdas = [0.001,0.01,0.05,0.1]
>>> init_error = float("inf")
>>> print("\n\nGrid Search results of ALS Matrix Factorization:\n")
>>> for niter in niters:
...     for facts in factors:
...         for lmbd in lambdas:
...             X = 5 * np.random.rand(m,facts)
...             Y = 5* np.random.