问使用SVD的建议
EN

Stack Overflow用户

提问于 2018-05-16 20:32:15

回答 1查看 134关注 0票数 0

实际上，我在LIRIS (计算机科学研究实验室)实习，从事推荐系统的工作。我的实习生导师让我做一个关于推荐电影的演讲，感谢明天的SVD。所以我了解到了这一点。

我想我理解了A= US(V^T)的数学部分，但对于下一步(推荐电影)，有些事情对我来说并不是很清楚。我发现了大量的知识，但在我的脑海中并不清楚:D

我不明白SVD计算的是矩阵A中缺失的数字(预测没有给电影评分的用户的评分)，还是我们需要一个密集的矩阵A，我们将其分解为3个矩阵来推荐电影？

对于第一种情况，它是如何工作的？因为我对此一无所知...对于第二个问题，3矩阵如何帮助我们推荐电影？我不明白分解矩阵和推荐电影之间的联系。

如果有人能帮助我，我将非常感谢:)

附言:对不起，我是个法国学生

发布于 2018-05-30 03:01:40

您所指的问题称为矩阵补全问题。对于一个库，你可以看到这种方法被称为singular value thresholding或交替最小二乘。另一种实现方式是here.，代码可从here获得

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/50371056

复制

相似问题

问使用SVD的建议EN