知识卡片

操作参考卡 · 1781.i

交替解用户与商品子问题

理解等级:中级

ALS固定商品因子M后,各用户只使用自己已评分商品的向量构造小型正则最小二乘系统Aᵢuᵢ=bᵢ;再固定U,对各商品做对称步骤。实现宜解线性系统而非显式求逆,矩阵可解条件要满足;交替下降并不把联合非凸问题变成全局凸问题。停止条件还须检查目标变化与验证效果,书中0.0001是示例。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 机器学习:分布式算法 · 查看原书依据

      另外一个需要澄清的细节是:当固定某个矩阵后,如何估算另一个矩阵的内容。这里假设商品矩阵M 的内容固定,此时应该如何计算用户矩阵U 的内容?对于用户i 的用户特征向量ui 来说,这是一个求解正则化线性最小二乘(Regularized Linear Least Squares)问题,通过对f (U ,M )求ui 的偏导数,可得到如下极值解:

    参考来源

    - 位置:《大数据日知录:架构与算法》第16章《机器学习:分布式算法》,原文段落71,OEBPS/text00021.html。 - 结论依据:原书给出的机制、公式或算法与其适用范围;实验百分比和2014年系统状态不当作当前普遍保证。 - 原始内容:另外一个需要澄清的细节是:当固定某个矩阵后,如何估算另一个矩阵的内容。这里假设商品矩阵M 的内容固定,此时应该如何计算用户矩阵U 的内容?对于用户i 的用户特征向量ui 来说,这是一个求解正则化线性最小二乘(Regularized Linear Least Squares)问题,通过对f (U ,M )求ui 的偏导数,可得到如下极值解: