吴恩达机器学习笔记59-向量化：低秩矩阵分解与均值归一化（Vectorization: Low Rank Matrix Factorization & Mean Normalization）

一、向量化：低秩矩阵分解　　

　　之前我们介绍了协同过滤算法，本节介绍该算法的向量化实现，以及说说有关该算法可以做的其他事情。

　　举例：
1.当给出一件产品时，你能否找到与之相关的其它产品。
2.一位用户最近看上一件产品，有没有其它相关的产品，你可以推荐给他。

我们将要做的是：实现一种选择的方法，写出协同过滤算法的预测情况。

　　我们有关于五部电影的数据集，我将要做的是，将这些用户的电影评分，进行分组并存
到一个矩阵中。
　　我们有五部电影，以及四位用户，那么这个矩阵

吴恩达机器学习笔记59-向量化：低秩矩阵分解与均值归一化（Vectorization: Low Rank Matrix Factorization & Mean Normalization）的相关教程结束。

《吴恩达机器学习笔记59-向量化：低秩矩阵分解与均值归一化（Vectorization: Low Rank Matrix Factorization & Mean Normalization）.doc》

下载本文的Word格式文档，以方便收藏与打印。