ALS交替最小二乘法总结

2018/04/17 07:51
阅读数 229

摘要:

  1.算法概述

  2.算法推导

  3.算法特性及优缺点

  4.注意事项

  5.实现和具体例子

  6.适用场合

内容:

  1.算法概述

  ALS是alternating least squares的缩写 , 意为交替最小二乘法;而ALS-WR是alternating-least-squares with weighted-λ -regularization的缩写,意为加权正则化交替最小二乘法。关于最小二乘法可以看我之前的这篇介绍:最优化方法与机器学习工具;而交替最小二乘法是对最小二乘法处理多个变量时的扩展。其基本原理是如果有两个变量需要确定,那ALS先固定第一个变量,然后求解第二个变量。之后固定第二个变量,求解第一个变量。如此交替迭代直至收敛或者达到最大迭代次数。

  2.算法推导

  

  这里将ALS用于解决稀疏矩阵分解的问题

  3.算法特性及优缺点

    优点:相比SVD可以解决稀疏矩阵分解的问题

    缺点:对于隐变量个数选择比较敏感,k越大越精确,但是计算时间越长

  4.注意事项

    评分矩阵缺失值处理,填充0

    

  5.实现和具体例子

    spark als实现

  6.适用场合

    推荐系统

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部