本文介绍了一种名为交替最小二乘(Alternating Least Squares, ALS)的矩阵分解方法。该方法通过将原始矩阵M(n*m)分解为两个较小的矩阵U(n*d)和V(d*m)来实现对已知数据点的最大化拟合，并以此预测未知数据点。评估ALS的有效性通常采用已知数据点的均方根误差(RMSE)进行衡量。
原理： 将 M(n*m) 分解为 U(n*d) V(d*m) 。
目的： 最大化的拟合M已知点，以预测M的未知点。
评估： 已知点的 RMSE （最小化误差平方和）。
als：交替最小二乘
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
原理： 将 M(n*m) 分解为 U(n*d) V(d*m) 。
目的： 最大化的拟合M已知点，以预测M的未知点。
评估： 已知点的 RMSE （最小化误差平方和）。
als：交替最小二乘
1728
369
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
