首先要認識，推薦演算法是幹嘛的：當使用者有一些特徵資訊不明確時，可以根據演算法**出其不明確的特徵。就比如使用者對電影的評分
基於內容的推薦演算法：某使用者瀏覽的資訊中，有其他資訊的內容、字段、特徵和其類似的時候，就將該內容推薦給某使用者
協同過濾推薦演算法：會將資料投入演算法中，計算使用者之間的相似性，然後某使用者某特徵缺失時，會將相似使用者的特徵填充入該使用者。就是借鑑相似人群的特徵進行推薦。
協同過濾演算法中，如何計算使用者相似度？
這一步其實就是計算使用者間以及物品間的相似度。以下是幾種計算相似度的方法：
在推薦學習的過程中，特徵往往是有限的，所以推薦演算法會自動進行特徵學習，創造新的特徵。
在進行結果計算的時候，有時會發現**的分值都為0，那麼應該進行何種推薦呢？均值歸一化可以解決這個問題。這是一種特徵工程的手段，將所有特徵進行均值歸一化後，某個特徵的均值將為0，然後對於權重會更有所偏重。
吳恩達機器學習筆記
為了解決實際生活中的問題，我們通常需要乙個數學模型。比如，小明有乙個房子 他想賣掉房子 為了知道房子的 小明收集了該地區近兩年的房屋交易 他發現房屋 與房屋大小呈正相關，所以他畫了了一幅圖 小明的房屋大小用紅色的 代替。可見和小明房屋一樣大小的房子並不存在，而類似的房屋 又有很大差別，如此小明決定用...
吳恩達機器學習筆記
sigmoid啟用函式 0，1 x 0,y 0.5 tanh啟用函式 1，1 x 0,y 0 relu啟用函式 x 0,y 0 x 0,y x sigmoid啟用函式 除了輸出層是乙個二分類問題基本不會用它。tanh啟用函式 tanh是非常優秀的，幾乎適合所有場合。relu啟用函式 最常用的預設函式...
吳恩達機器學習筆記（1）
1 用來進行資料探勘 2 讓機器進行自我學習 3 能對使用者進行個性化定製的應用程式 4 了解人類大腦的執行機制 arthor samuel的定義 是在沒有對機器進行明確的程式設計的情況下讓機器具有自主學習的能力。學習演算法主要分為兩大類，監督學習演算法和非監督學習演算法。監督學習演算法就是明確告訴...