logo资料库

SVD推荐算法教程.pptx

第1页 / 共35页
第2页 / 共35页
第3页 / 共35页
第4页 / 共35页
第5页 / 共35页
第6页 / 共35页
第7页 / 共35页
第8页 / 共35页
资料共35页,剩余部分请下载后查看
SVD 特征值 奇异值
Netflix Prize背景介绍  目标:  数据结构:  训练数据: ³ 悬赏100万美元,将Netflix的推荐算法预测准确度提高10%。 ³ 用户ID、电影名称、日期、分数(1-5之间的整数) ³48万用户对两万部电影的上亿条评分 ³ 包括一个与测试数据集分布相同的probe数据集,包含06年附近140多万条的 数据点,每个用户至少对9部电影进行了打分,服从正态分布。 ³280万个数据点(隐藏的,参赛选手不能获得,并且参赛选手自己也不能获得 CineMatch精度:0.951 自己模型作用在测试数据集上的最终效果)  评测标准:均方误差根  测试数据:
数据示例1
数据示例2 黄色数据点代表probe数据集,用于参 赛选手自己做测试用 蓝色数据点代表最终的测试数据,对 参赛的人来说是隐藏的   movie 1 user1 user2 user3 user4 user5 user6 user7 user8 user9 user10 1 2 1 2 4 4 1 3 2 4 movie movie movie movie movie movie movie movie movie 2 2 2 2 4 1 1 4 1 2 3 3 1 1 2 3 1 3 4 4 1 3 4 2 1 2 1 2 3 4 2 2 2 5 4 1 3 1 1 2 2 2 3 2 6 4 1 4 3 3 3 1 1 4 4 7 2 1 1 3 2 4 1 2 4 2 8 2 3 1 1 3 4 1 2 4 1 9 3 2 2 1 4 4 2 3 1 2 10 1 1 2 4 4 4 4 1 1 3
 矩阵运算(1) a a  11 1 n    a a 1 mn m ka ka 11 1 n    ka ka 1 m        mn =           k 数乘:      +            b b 11 1 n    b b 1 mn m  =           a 11 a 1 m +  + b 11 b 1 m    a 1 n a mn +  + b 1 n b mn      加法: a a   11 1 n       a a   1 mn m 乘法: a a  12 11  a a  22 21  a a  32 31         b 1 1 b 21 b 12 b 22 b 13 b 23    =      c 11 c 21 c 31 c 12 c 22 c 32 c 13 c 23 c 33      , = c ij a b 1 1 i + a b 2 i j j 2
矩阵运算(2)  m×n n×m = m×m n×m  m×n = n×n
矩阵运算(3) a       b   c    x y z = ax ay az bx by bz cx cy cz             a b c x     y     z   = + + ax by cz
线性空间  线性空间:“客观”存在的一种空间,对加法和数乘具 有封闭性。  向量:既有大小又有方向的量,同时没有起点  线性空间的基:描述空间内向量的一组“特殊”的向量, 空间内的所有向量都能被一组基的线性组合表示。  举例:直线就是一维的线性空间,平面就是二维线性空 间,三维立体空间就是三维线性空间。
分享到:
收藏