推荐系统中的SVD算法

评分矩阵R也存在这样一个分解，所以可以用两个矩阵P和Q的乘积来表示评分矩阵R,其中k为R的秩 R=Puk*Qki 利用R中的已知评分训练P和Q使得P和Q相乘的结果最好地拟合已知的评分，那么未知的评分也就可以用P的某一行乘上Q的某一列得到了需要预测的评分 预测评分 接下里将介绍总的误差平方和 image.png 在里面Eui表示预测值和已知值之间的误差。只要通过训练把SSE降到最小那么P、Q就能最好地拟合R了。那又如何使SSE降到最小呢？一个常用的局部优化算法-梯度下降法