Coursera机器学习——Recommender System测验
第一题本应该是基础题,考察Cost Function不同形式的表示方法,但却难住了我,说明基本概念掌握不够到位。
1. 在求和的部分,有两种可能,一种是(i,j)同时求和,即∑(i,j):r(i,j)=1,另一种是∑j=1nu∑i:r(i,j)=1或者∑i=1nu∑j:r(i,j)=1都可以。
2. 后面的部分,一是要注意括号的位置,如果是对K项Theta和X求和,必须是求和后的结果再减去y(i,j),而不要把y(i,j)也放入求和表达式中
3. 如果不是K项求和,说明使用向量的方法直接求Theta*X,那么此时Theta是转置的,上标有T符号存在
第二题是比较协同过滤和线性回归以及逻辑回归的不同使用场景
1. 选项A是想要得到一个书籍销售量与书籍评分之间的关系函数,这里使用线性回归最为恰当
2. 选项B我们得到有不同客户对款式和品牌的review信息,然后向顾客推荐,所以这里用协同过滤推荐很合适
3. 选项C是标准的协同过滤使用场景,我们有不同顾客对书的评分,然后给顾客推荐书籍
4. 选项D有一句很重要的关键句是and each client purchases at most 1 portrait. 所以不同用户对每幅作品的评分并没有重叠性,用协同过滤不能得到好的预测结果
第三题是说对于几个不同的评分系统能否对数据进行融合(三个系统的评分分数范围不同)
首先肯定是可以的,只是我们必须要先做特征放缩,再融合数据,否则直接融合会导致数据范围不同,影响推荐系统的表现
第四题是对协同过滤的考察
1. 选项A是说为了构建推荐系统,用户必须对训练集中所有的书籍进行评分。事实上如果有空缺的数据我们可以用均值填充
2. 选项B是说如果用户只对少部分产品打分,我们依然可以通过协同过滤构建一个推荐系统。是的,如上所说。只是性能可能不够好
3. 选项C是说我们需要使用梯度下降进行算法优化,不能使用高级算法,因为我们必须同时计算X和Theta。事实上,我们可以使用高级算法进行优化,也能做到同时 更新X和Theta
第五题是协同过滤算法实现的考察,因为我们只需要R(i,j) = 1的数据,所以若使用向量化方法实现需要进行预处理
1. 选项A是在求和计算结果前对矩阵和R做了点乘,所以R = 0的数据不会计入结果,可以√
2. 选项B先对矩阵A*B与R做点乘,在求和计算结果,也可以√
3. 选项C看似与A相同,但点乘改为普通矩阵乘法,就会导致结果错误,甚至两矩阵根本无法相乘
4. 选项D也是一样,将点乘改为普通乘法,不得行
还有一种写法也是可以的
总结:协同过滤适合于多特征,多用户(数据)的系统,当用户较少时,与线性回归效果大致相同,(当Nu = 1时,Jcost与线性回归完全相同),当特征较少时,协同过滤也不能较好的发挥它的效果
Coursera机器学习——Recommender System测验的更多相关文章
- Coursera, Machine Learning, Anomoly Detection & Recommender system
Algorithm: When to select Anonaly detection or Supervised learning? 总的来说guideline是如果positive e ...
- Coursera机器学习+deeplearning.ai+斯坦福CS231n
日志 20170410 Coursera机器学习 2017.11.28 update deeplearning 台大的机器学习课程:台湾大学林轩田和李宏毅机器学习课程 Coursera机器学习 Wee ...
- 论文笔记: Deep Learning based Recommender System: A Survey and New Perspectives
(聊两句,突然记起来以前一个学长说的看论文要能够把论文的亮点挖掘出来,合理的进行概括23333) 传统的推荐系统方法获取的user-item关系并不能获取其中非线性以及非平凡的信息,获取非线性以及非平 ...
- Content-Based Recommender System
Content-Based Recommender System是基于产品(商品.网页)的内容.属性.关键字,以及目标用户的喜好.行为,这两部分数据来联合计算出,该为目标用户推荐其可能最感兴趣的产品. ...
- A cost-effective recommender system for taxi drivers
一个针对出租车司机有效花费的推荐系统 摘要 GPS技术和新形式的城市地理学改变了手机服务的形式.比如说,丰富的出租车GPS轨迹使得出做租车领域有新方法.事实上,最近很多工作是在使用出租车GPS轨迹数据 ...
- 推荐系统(Recommender System)
推荐系统(Recommender System) 案例 为用户推荐电影 数据展示 Bob Tom Alice Jack 动作成分 浪漫成分 Movie1 5 ? 0 3 ? ? Movie2 ? 0 ...
- 【RS】Deep Learning based Recommender System: A Survey and New Perspectives - 基于深度学习的推荐系统:调查与新视角
[论文标题]Deep Learning based Recommender System: A Survey and New Perspectives ( ACM Computing Surveys ...
- User-Based Collaborative Recommender System
Collaborative Recommender System基于User给Item的打分表,认为相似度很高的用户,会对同一个item给出相似的分数,找出K个相似度最高的用户,集合他们的打分,来推算 ...
- Item-Based Collaborative Recommender System
与User-Based Collaborative Recommender System认为‘类似的用户会对同一个item给出类似的打分’不同,Item-Based Collaborative Rec ...
随机推荐
- editplus的注册码 4.0
用户名:jb51.net 序列号:9A72F-84A30-82Z46-BFW79-4FTA8 用户名:freeuser 序列号:F15AD-12490-DAZF5-E4W30-E7T80 注册名:Fr ...
- Centos7搭建SVN服务
1.安装 subversion [root@CentOS var]# yum -y install subversion 2.创建 svn 版本库,初始化相关配置文件 [root@CentOS v ...
- UVA - 10382 Watering Grass(几何)
题意:有一个矩形,n个圆.已知矩形的长宽和圆的半径,问最少需多少个圆将矩形完全覆盖. 分析: 1.首先求圆与矩形的长的交点,若无交点,则一定不能对用最少的圆覆盖矩形有贡献. 2.如果两个圆与矩形相交所 ...
- 统计返回的Decimal/long型数据转换问题
mysql数据库在进行统计时候,返回的count()是个long型,sum()返回的是bigDecimal类型,前段需要的是int型故而需要进行转换. <select id="getD ...
- 根据上传的MultipartFile通过springboot转化为File类型并调用通过File文件流的方法上传特定服务器
@PostMapping("uploadExcel") public ResponseObj uploadExcel(@RequestParam("excelFile ...
- Local-Pref(本地优先属性)路由本地优先术
Local-Pref(本地优先属性)路由本地优先术: ①:抓取感兴趣流量——前缀与访问——prefix and access ②:创建路由地图——router-map ③:第一法则——permit 1 ...
- 三十一、SAP中的循环和判断图标和表格的混用
一.代码如下 二.显示结果如下
- 深度解析高分Essay写作组成部分
很多留学生在国外呆了好几个学期对于怎么写Essay还是不太了解,今天小编大致总结了以下一些技巧,相信同学们可以尝试着自己完成一篇Essay写作!一起来看看吧! 与你的导师沟通 你的导师对于你的Essa ...
- [题解] LuoguP4827 [国家集训队] Crash 的文明世界
传送门 这个题......我谔谔 首先可以考虑换根\(dp\),但到后来发现二项式定理展开过后需要维护\(k\)个值,同时每个值也要\(O(k)\)的时间按二项式定理算 当然fft优化过后就是k lo ...
- (二)requests模块
一 requests模块 概念: python中原生的基于网络请求的模块,模拟浏览器进行请求发送,获取页面数据 安装: pip install requests 二 requests使用的步骤 1 指 ...