基於機率的矩陣分解原理詳解（PMF）

上一篇博客講到了推薦系統中經常使用的矩陣分解方法， RegularizedMF 是對 BasicMF 的優化，而 PMF 是在 RegularizedMF 的基礎上，引入機率模型進一步優化。假設用戶 U 和項目 V 的特徵矩陣均服從高斯分佈，經過評分矩陣已知值獲得 U 和 V 的特徵矩陣，而後用特徵矩陣去預測評分矩陣中的未知值。web 若用戶 U 的特徵矩陣知足均值爲0，方差爲 σ 的高斯分佈，則

>>阅读原文<<