當今這個信息爆炸的社會，每個人都會面對無數(shù)的商品，無數(shù)的選擇。而推薦算法的目的幫助大家解決選擇困難癥的問題，在大千世界中推薦專屬于你的商品。

推薦系統(tǒng)算法簡介

這里簡單介紹下推薦系統(tǒng)中最為主要的協(xié)同過濾算法，大致分為如下幾類：

• 基于用戶的協(xié)同過濾（給用戶推薦與他相似的人購買的物品）
• 基于商品的協(xié)同過濾（給用戶推薦和他之前喜歡的物品相似的物品）
• 基于模型的協(xié)同過濾：關聯(lián)算法，聚類算法，分類算法，回歸算法，矩陣分解，神經(jīng)網(wǎng)絡,圖模型以及隱語義模型都屬于這個范疇。

而本次實戰(zhàn)使用的是矩陣分解算法。
矩陣分解其實是數(shù)學上的一個經(jīng)典問題。大家從線性代數(shù)中可以知道，矩陣可以做SVD分解、Cholesky分解等，就好比任何大于1的正整數(shù)都可以分解成若干質(zhì)數(shù)的乘積，矩陣分解可以認為是一種信息壓縮。下圖是一個用戶電影評分矩陣。矩陣的每行表示一個用戶，每列表示一部電影，矩陣中每個位置的值，代表某個用戶對某個電影的評分值。

矩陣分解

 

• R矩陣:用戶對電影的評分組合矩陣，
• 用戶矩陣，每一個被壓

總結(jié)

以上是生活随笔為你收集整理的推荐算法矩阵分解实战——keras算法练习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。