data_mining:recommender_systems

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
Next revisionBoth sides next revision
data_mining:recommender_systems [2014/08/30 16:11] – [Vorgehen] phreazerdata_mining:recommender_systems [2014/08/30 16:31] – [Low Rank Matrix Factorization] phreazer
Line 20: Line 20:
  
 Kombinieren der Optimierungsziele zur einfacheren Berechnung ohne sequentielle Berechnungen. Kombinieren der Optimierungsziele zur einfacheren Berechnung ohne sequentielle Berechnungen.
 +
 +  - Random initialization
 +  - Minimierung der Kostenfunktion (Grad Desc)
 +  - Sage für einen Benutzer mit Paramter $\theta$ und einem Film mit Features x eine Bewertung $\theta^T x$ voraus.
 +
 +
 +==== Low Rank Matrix Factorization ====
 +Bewertungsmatrix Y
 +
 +Einträge $y_{ij} = (\Theta^{(j)})^T(x^{(i)})$
 +
 +$Y = X \Theta^T$
 +
 +=== Finden ähnlicher Produkte: ===
 +Für jedes Produkt i, wird ein Featurevektor $x^{(i)}$ gelernt.
 +
 +Wie kann ein Produkt j gefunden werden, das mit Produkt i in Beziehung in Verbindung steht?
 +Wenn $||x^{(i)}-x^{(j)}||$ klein, dann sind beide Filme ähnlich.
 +
 +==== Mean Normalization ====
  
  • data_mining/recommender_systems.txt
  • Last modified: 2014/08/30 16:36
  • by phreazer