符号介绍:
对于每一个用户j,假设我们已经通过学习找到参数,则用户j对电影i的评分预测值为:。
对于上面的例子:
假设已知:
则Alice(j=1)对Cute pupies of love(i=3)的评分将被预测为:
下面我们来看怎么来求θ值:
这个公式其实是线性回归的变种,它和线性回归有很多相似的样子,其思路也很相似,代价函数都是预测值和实际值的差值平方和。
符号介绍:
对于每一个用户j,假设我们已经通过学习找到参数,则用户j对电影i的评分预测值为:。
对于上面的例子:
假设已知:
则Alice(j=1)对Cute pupies of love(i=3)的评分将被预测为:
下面我们来看怎么来求θ值:
这个公式其实是线性回归的变种,它和线性回归有很多相似的样子,其思路也很相似,代价函数都是预测值和实际值的差值平方和。