机器学习 课件 9.3 矩阵分解与推荐系统.pdf

矩阵分解与推荐系统

矩阵分解与推荐系统

推荐系统常用模型协同

过滤算法，这种算法主

要有两大类：一类为邻

居算法，另一类为潜在

因子算法。矩阵分解是

潜在因子算法的核心步表9-1电影打分矩阵

骤。下面以实例简单展

假设存在表9-1中所列出的用户对电影的打分矩阵。由于上述

示矩阵分解在推荐系统推荐系统打分矩阵存在未打分项，因此需在矩阵分解算法中引

中的应用。入指示矩阵，过滤不存在数据的矩阵位置。通常指示矩阵为仅

包含0和1的矩阵，1处表示存在数据，0处表示不存在数据。

矩阵分解与推荐系统

根据实例9.1中的打分矩阵，可得数据

矩阵M和指示矩阵Z，即

使用非负矩阵分解乘式更新法则得到

平方欧式距离更新公式，对该实例进

行求解。由于指示矩阵的引入，此时

更新公式变更为：

矩阵分解与推荐系统

依上述公式，设定潜在维度为3，且

迭代精度为时停止运算，可得分解

结果为

还原后的打分矩阵如右图。

此时，可根据矩阵对用户进行电影推荐。

TheEnd