亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定

predicts = np.dot(Current_X_parameters, Current_Theta_parameters.T) + rating_mean

為什么要+ rating_mean

正在回答

3 回答

同問,不應該加rating_mean吧?

0 回復 有任何疑惑可以回復我~

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

0 回復 有任何疑惑可以回復我~

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

2 回復 有任何疑惑可以回復我~
#1

江寧PGONE

請問這個num_features是什么意思
2020-04-04 回復 有任何疑惑可以回復我~

舉報

0/150
提交
取消
推薦算法理論與實踐
  • 參與學習       22111    人
  • 解答問題       32    個

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!

進入課程

predicts = np.dot(Current_X_parameters, Current_Theta_parameters.T) + rating_mean

我要回答 關注問題
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號