学习记录：

2019.08.01：

林轩田机器学习技法--Matrix Factorization ：https://redstonewill.com/783/

[ 收获 ]：先假设 有用户特征向量（维度为d表示用户对d种特性的不同喜爱程度）、有电影特征（维度为d表示电影具有d种特性的不同程度），则这样通过线性组合（矩阵乘法）即可得到用户对电影的可能评分y~，与真实评分y作比较，可得到二次损失函数，对损失函数进行优化即可求得参数（即，用户特征向量和电影特征向量），由于损失函数中包含两个参数，可用alternating least squares算法（即：固定第一个参数，优化第二个个参数，然后固定第二个参数，优化第一个参数）。

2019.08.02：

FM分解机：https://baijiahao.baidu.com/s?id=1630332746826823509&wfr=spider&for=pc

https://cloud.tencent.com/developer/article/1331654  

[ 收获 ]：实对称矩阵w可以分解为矩阵v和他的转置的乘积，这样可以解决数据稀疏的问题，并且训练的时候时间复杂度为线性的。