吳恩達機器學習系列23：基於內容的推薦算法

現在，推薦算法已經深刻到咱們生活的各個方面，好比說淘寶根據咱們以前的瀏覽記錄給咱們推薦想要購買的商品；抖音不停地給咱們推薦各類咱們感興趣的視頻（雖然我我的不太喜歡抖音，以爲抖音會讓咱們喪失獨立思考的能力，可是它的推薦算法仍是很厲害的）

。。。

這些推薦算法極大地便捷了咱們的生活，身爲一個學習機器學習的同窗，怎麼能不關注一下推薦算法呢？

 下面來舉個栗子：現在有一個電影推薦系統，用戶能夠給電影進行評分，從 0 分到 5 分，有些電影沒有被打過度就記作未知，最終目的就是想經過一個推薦算法把某些電影推薦給可能對他感興趣的用戶。

綠圈表示這是一類愛情電影，紅圈表示這是動做電影，由以上數據能夠看出，前兩位用戶對愛情片可能感興趣，然後兩位用戶對動做片可能感興趣。基於此，咱們能夠用相似於線性迴歸的方法去預測沒有看過此電影的用戶可能對此電影的評分，在用這種方法以前，咱們須要先求出每一個電影的特徵：

以後，具體的方法以下：

與線性迴歸有一點點的區別就是它被省略了 1/m。這是對一個用戶進行預測，要考慮到全部的用戶，就要進行求和：

以後再進行梯度降低等一系列操做。。。最終就能獲得一個基於內容的推薦算法了。

ps. 本篇文章是根據吳恩達機器學習課程整理的學習筆記。若是想要一塊兒學習機器學習，能夠關注微信公衆號「SuperFeng」，期待與你的相遇。