人工智能教程 - 学科基础课程2.6 - 机器学习导论 16.推荐系统,基于内容推荐算法,协同过滤

本文深入探讨推荐系统在机器学习中的核心作用,通过电影评分预测案例,解析基于内容的推荐算法与协同过滤技术。文章强调了特征学习的重要性,并介绍了优化算法在推荐系统中的应用。

推荐系统

是机器学习中的一个重要的应用。推荐系统的特征对于学习算法的性能有很大的影响。

预测电影评分例子:

有 5 部电影和 4 个用户,要求用户为电影打分。

在这里插入图片描述

基于内容的推荐算法

content based recommendations

在这里插入图片描述

每部电影都有两个特征x1,x2x_1,x_2x1,x2

可以根据特征和参数,生成空缺值的预测值

在这里插入图片描述

最优解目标对象

在这里插入图片描述

协同过滤

collaorative filtering
可以进行特征学习 feature learning

在这里插入图片描述

协同过滤优化算法
代价函数

在这里插入图片描述

学习电影的特征:

在这里插入图片描述

给定x的话,能估算出θ\thetaθ;而给定 θ\thetaθ的话,能估算出x。这就有点儿像“先有鸡,还是先有蛋?”

评论
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