全文共 2573?字，13?幅圖，

預計閱讀時間 14 分鐘。

我還是推薦系統(tǒng)小白，因此對此課題理解相當淺顯，但一定很好懂。這才是學一樣新東西的正確開始方式。

01

故事的背景包括 4 個小孩和 5 部動畫，每個小孩為每部動畫打分

• 1 分代表最不喜歡

• 5 分代表最喜歡

02

悠悠覺得「小豬佩奇」還可以，給了 3 分。建立一個 4 × 5 的矩陣

• 每行代表一個小孩給所有動畫打的分數(shù)

• 每列代表一部動畫被所有小孩打的分數(shù)

當悠悠給「小豬佩奇」打完分后，在矩陣第 1 行第 1 列填入 3 分。

03

假設(shè) 4 個小孩為 5 部動畫打分完畢，哪一個打分矩陣最像真的？

• 最左邊不像，小孩的喜好不會這么千篇一律
  

• 最右邊不像，小孩的喜好不會這么毫無聯(lián)系

• 中間的最像，小孩的喜好會有一定的規(guī)律

04

悠悠和丫丫年齡差不多，總在一起看動畫片，她倆的對動畫的品位出奇相似（5 部動畫給出同樣的評分），比如大愛「小豬佩奇」，小愛「獅子王」，不喜歡「冰雪奇緣」「超人特工隊」「瑪莎和熊」。

規(guī)律 1：不同用戶的喜好可能相似。

05

樂樂喜歡看帶「人物」的動畫，他給「冰雪奇緣」和「超人特工隊」高分；丫丫喜歡看帶「動物」的動畫，她給「小豬佩奇」和「獅子王」高分；多多還比較小，只要是動畫都喜歡，他給所有動畫高分（多多給的分是樂樂和丫丫給的分之和）。

規(guī)律 2：一個用戶的喜好可能包含其他多個用戶的喜好。

06

「瑪莎和熊」的評分是「獅子王」和「冰雪奇緣」的評分的均值。可能原因是「獅子王」里只含有動物，「冰雪奇緣」里絕大部分是人，而「瑪莎和熊」里既有動物又有人，而且數(shù)目相當。

規(guī)律 3：一個動畫內(nèi)容可能包含其他多個動畫內(nèi)容。

08

先看一個最簡單的推薦系統(tǒng)。

當所有人給所有電影打 3 分，問丫丫應(yīng)該給「超人特工隊」打多少分？

從評分矩陣來看，每個人對每個電影喜歡一樣，因此預測出丫丫會給「超人特工隊」打 3 分。

09

再看一個稍微復雜的推薦系統(tǒng)。

問丫丫應(yīng)該給「瑪莎和熊」打多少分？

從評分矩陣第一行和第三行來看，悠悠和丫丫的喜歡相同，因此預測出丫丫會給「瑪莎和熊」打 2 分，和悠悠一樣。

10

上面例子太簡單，如果小孩有很多個，動畫有很多部，我們怎么才能從評分矩陣中學到所有的規(guī)律呢？

答案：找到隱含特征！

回到上面的例子，如果特征是動畫片的類別，那么特征值有兩個，人物類和動物類。那么根據(jù)不同小孩對這兩類動畫特征的喜好，如上圖，

• 悠悠和丫丫喜歡動物類，不喜歡人物類
  

• 樂樂喜歡人物類，不喜歡動物類
  

• 多多都喜歡

再根據(jù)具體動畫片含這兩類特征的比重，如下圖

我們可以將?4 × 5 的評分矩陣分解成

• 4 × 2?的「小孩-特征」矩陣

• 2?× 5?的「特征-動畫」矩陣

如下。

11

因此我們要做的事情就是講評分矩陣分解成兩個非負矩陣的乘積，專業(yè)術(shù)語是非負矩陣分解（Non-negative Matrix Factorization, NMF）, 機器學習包 Scikit-Learn 里有實現(xiàn)哦。

import numpy as np from sklearn.decomposition import NMF

用上面數(shù)據(jù)試了下，雖然分別的矩陣不是完全一樣，但矩陣中是 0 的還是 0，其他元素只是差了一個縮放因子（scaling factor），你看最后把兩個分解矩陣相乘，差不到能得到原來的評分矩陣。

實際情況下，不可能每個小孩對每部動畫都給出評分，因此不能直接用 NMF，那些缺失值才體會推薦系統(tǒng)的價值，我們要根據(jù)已有的評分來預測未給的評分，再決定是否推薦。

12

實際情況，打 ？都是未給出評分，這時

• 設(shè)「小孩-特征」矩陣為 U

• 設(shè)「特征-動畫」矩陣為 V

用以下誤差函數(shù)（只考慮未缺失的 R_i,j）

????(R_i,j – U?第?i?行和 V?第?j?列內(nèi)積)²

怎么解？梯度下降唄！解完 U 和 V 后相乘發(fā)現(xiàn) R_4,4?= 5，那么妥妥的給多多推薦獅子王！

13

以上我理解的推薦系統(tǒng)只是皮毛，想全方位了解它，可參考高陽團的新書《推薦系統(tǒng)開發(fā)實戰(zhàn)》。

備注：公眾號菜單包含了整理了一本AI小抄，非常適合在通勤路上用學習。

往期精彩回顧 那些年做的學術(shù)公益-你不是一個人在戰(zhàn)斗適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊備注：加入本站微信群或者qq群，請回復“加群”加入知識星球（4500+用戶，ID：92416895），請回復“知識星球”

喜歡文章，點個在看

總結(jié)

以上是生活随笔為你收集整理的小孩都看得懂的推荐系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。