精华内容
参与话题
问答
  • 课堂笔记

    2020-12-17 17:04:42
    课堂笔记 一矩阵分解 矩阵分解可以用来对未评分商品进行评分预测 矩阵R可以近似表示为P与Q的乘积:R(n,m)≈ P(n,K)*Q(K,m) 矩阵分解的过程中,将原始的评分矩阵R分解成两个矩阵P和Q的乘积 使用原始的评分矩阵与...

    课堂笔记

    一矩阵分解
    矩阵分解可以用来对未评分商品进行评分预测
    矩阵R可以近似表示为P与Q的乘积:R(n,m)≈ P(n,K)*Q(K,m)
    矩阵分解的过程中,将原始的评分矩阵R分解成两个矩阵P和Q的乘积
    使用原始的评分矩阵在这里插入图片描述与重新构建的评分矩阵在这里插入图片描述之间的误差的平方作为损失函数

    二梯度下降
    对于一元函数 :梯度是该函数的导数
    对于二元函数 :梯度是该函数的偏导数
    梯度下降公式在这里插入图片描述

    梯度下降法-步骤
    1首先设定一个较小的正数η,ε.
    2求当前位置处的各个偏导数:
    3代入梯度下降公式,求出参数变化量
    4 如果参数变化量小于ε,退出;否则返回2。

    手写笔记在这里插入图片描述

    展开全文
  • Java学习课堂笔记

空空如也

1 2 3 4 5 ... 20
收藏数 13,029
精华内容 5,211
关键字:

课堂笔记