机器学习----推荐系统之协同过滤算法

本文介绍了协同过滤算法在电影推荐系统中的应用。首先,阐述了问题背景,即如何通过电影评分数据进行预测。接着,讨论了基于内容的推荐系统,通过电影的romantic和action指数进行评分预测。然后详细讲解了协同过滤算法的步骤,包括随机初始化、梯度下降求解以及解决新用户评分初始化和归一化问题的方法。最后,提出了均值归一化策略来处理新用户的评分预测问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(一)问题描述

电影评分,下图中5部电影,4个人进行评分,评分从0-5,并且为整数,问号处表示没有评分。

(二)基于内容的推荐系统

给每部电影添加两个features,针对这个问题中分别为romatic和action,范围为1-5,并且给出一部电影这两个参数就已知。


这里设,每部电影由xi表示,xi为一个3*1的向量,第一个x0为截距1,第二个为romantic指数,第三个为action指数。每个人的评分也由一个3*1的向量表示,第二个和第三个分别表示每个人对romantic和action的喜欢程度。这样对于每一个人,如果已知每部电影的romantic和action指数,以及他对一部分电影的评分,就可以预测出另一部分电影的评分,这个问题就转换成了曲线的拟合,多元线性回归,因此有以下:


评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值