課程
/前沿技術
/機器學習
/推薦算法理論與實踐
為什么要+ rating_mean
2019-05-05
源自:推薦算法理論與實踐 3-3
正在回答
同問,不應該加rating_mean吧?
同問,還想問一下為什么這兩個矩陣相乘得出來的結果就是預測評分。
之前生成X_parameters,Theta_parameters矩陣正態分布怎么反映出評分特征的,感覺是具有隨機性的,不能代表喜好
不太懂,前面說內容矩陣X和用戶喜好矩陣Theta相乘就是完整的評分表了,我猜測這里加平均分可能是為了讓數據好看一點,因為電影類型num_features他直接默認設置的10,當實際的類型遠大于10的時候,計算出來的評分值會偏小,我試過,可能只有0.幾的評分。所以當找到一個合適的num_features之后不加平均分,出來的值就是正常的,加上平均分反而超過評分的最高值了。他前面評分最高就5分,結果出來5.好幾,這不是扯呢么
江寧PGONE
舉報
想要了解商品推薦背后的原理嗎,課程將手把手帶你做一個推薦系統!
Copyright ? 2025 imooc.com All Rights Reserved | 京ICP備12003892號-11 京公網安備11010802030151號
購課補貼聯系客服咨詢優惠詳情
慕課網APP您的移動學習伙伴
掃描二維碼關注慕課網微信公眾號
2019-10-30
同問,不應該加rating_mean吧?
2019-06-02
同問,還想問一下為什么這兩個矩陣相乘得出來的結果就是預測評分。
之前生成X_parameters,Theta_parameters矩陣正態分布怎么反映出評分特征的,感覺是具有隨機性的,不能代表喜好
2019-05-23
不太懂,前面說內容矩陣X和用戶喜好矩陣Theta相乘就是完整的評分表了,我猜測這里加平均分可能是為了讓數據好看一點,因為電影類型num_features他直接默認設置的10,當實際的類型遠大于10的時候,計算出來的評分值會偏小,我試過,可能只有0.幾的評分。所以當找到一個合適的num_features之后不加平均分,出來的值就是正常的,加上平均分反而超過評分的最高值了。他前面評分最高就5分,結果出來5.好幾,這不是扯呢么