《现代推荐算法》矩阵分解系列(SVDFunkSVDBiasSVD)原理

文章来源《现代推荐算法》矩阵分解系列(SVD,FunkSVD,BiasSVD)原理 . 奇异值分解(SVD) 奇异值分解(SVD)原理与主要应用在数据降维中,可以将这个用户物品对应的m×n矩阵M进行SVD分解,并通过选择部分较大的一些奇异值来同时进行降维,也就是说矩阵M此时分解为: Mm×n=Um×kTDk×kVk×nM_{m \times n} = U_{m \times k}^{T}D_{k \times k}V_{k