本文介绍了协同过滤(Collaborative Filtering, CF)的基本原理和实现，从Item-Based和User-Based算法开始，探讨了矩阵分解模型、SVD以及SVD的扩展算法如SVD++和timeSVD++。接着，详细讲解了SVD的实现，并通过测试数据展示了其在预测效果上的提升。最后，简要讨论了RBM在CF中的应用。"
112256689,1193691,理解函数返回值：基本语法解析,"['编程基础', '函数定义', '类型检查', '函数调用']
一.引入
推荐系统（主要是CF）是我在参加百度的电影推荐算法比赛的时候才临时学的，虽然没拿什么奖，但是知识却是到手了，一直想写一篇关于推荐系统的文章总结下，这次借着完善DML写一下，权当是总结了。不过真正的推荐系统当然不会这么简单，往往是很多算法交错在一起，本文只是入门水平的总结罢了。 （本文所用测试数据是movielens100k）
本文采用的评测标准是RMSE，数值越小算法越好，在movielens100k 的 u1数据上对每个要求预测的评分输出训练集总的平均分，其RMSE是&#x
订阅专栏 解锁全文
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
