知识卡片
交替解用户与商品子问题
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?
这张卡片的反馈已满 10 条,暂时无法继续提交。
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: