qq_43695167的博客

第三章： 1、 解：用皮尔逊相关系数判断X，Y是否相关，计算如下： 3.3 解：（a）将数据划分为深度为3的等频的箱： Bin1：13，15，16 Bin2：16，19，20 Bin3：20，21，22 Bin4：22，25，25 Bin5：25，25，30 Bin6：33，33，35 Bin7：35，35，35 Bin8：36，40，45 Bin9：46，52，70 用箱均值光滑： Bin1：44/3，44/3，44/3 Bin2：55/3，55/3，55/3 Bin3：

一、矩阵分解 1、AI=算法（经典+人工智能）+算力（巨型机可实现）+数据 2、推荐系统是协同过滤算法的典型应用场景，可用于对未评分物品进行评分的预测；矩阵分解是基础。 3、矩阵分解的过程中，原始的评分矩阵 可以近似表示为 P(m,K)和Q(K,n)的乘积，并且矩阵的预测值可以表示为 4、预测值可近似为真实值，求出矩阵P和Q即可，使用构造损失函数的方法： （1）损失函数(loss)：评分矩阵真实值与预测值差的平方； （2）保证构造的损失函数值越来越小。 5、Python代码如下： 二、梯度下降 1