矩阵分解与梯度下降

目录

1、矩阵分解（矩阵乘法回顾）

2、梯度下降

3、矩阵算法推导

4、python代码实现

1、矩阵分解

①为何学习矩阵分解

矩阵算法就是将用户和产品矩阵中的数据，分解成两个矩阵（用User矩阵和Item矩阵），两个矩阵相乘得到的结果就是预测评分。 

矩阵分解就是把原来的大矩阵，近似的分解成小矩阵的乘积，在实际推荐计算时不再使用大矩阵，而是使用分解得到的两个小矩阵

具体来说就是，假设用户物品的评分矩阵A是m乘n维，即一共有m个用户，n个物品.通过一套算法转化为两个矩阵U和V,矩阵U的维度是m乘k，矩阵V的维度是n乘k。

就如同我们现在需要学习的推荐系统，这里面有缺失得评分，我们需要通过矩阵分解，算出这个缺失得评分

 我们的目的就是运用已知得评分来算出未知的评分

②回顾矩阵乘法

   大写字母表示矩阵，小写字母表示具体的值

   矩阵乘法有条件是第一个矩阵的列与第二个矩阵的行数相等