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。