1.什麼是SVD :
SVD指的是奇異值分解 SVD SVD的物理意義
2.利用Python實現SVD
from numpy import linalg as la
# Numpy有一個稱爲linalg的線性代數工具,其中svd計算方法如下
U,Sigma,VT = la.svd(dataMat)
3.利用SVD提高效率
生產實際中的數據比較稀疏,在生產中不管是基於用戶的相似度計算還是基於物品的相似度計算
都需要較多的時間和很多的計算力,通過SVD可以將映射到低緯空間中去
4.基於SVD的評估方法Python實現(參考自機器學習實戰)
def svdEst(dataMat, user, simMeas, item):
n = shape(dataMat)[1]
simTotal = 0.0; ratSimTotal = 0.0
U,Sigma,VT = la.svd(dataMat)# numpy 的svd計算
Sig4 = mat(eye(4)*Sigma[:4]) #numpy.eye() 生成對角矩陣
# 機器學習實戰的P264中代碼對應的公式推導 https://blog.csdn.net/appleyuchi/article/details/82913217
xformedItems = dataMat.T * U[:,:4] * Sig4.I
for j in range(n):
userRating = dataMat[user,j]
if userRating == 0 or j==item: continue
similarity = simMeas(xformedItems[item,:].T,\
xformedItems[j,:].T)
print 'the %d and %d similarity is: %f' % (item, j, similarity)
simTotal += similarity
ratSimTotal += similarity * userRating
if simTotal == 0: return 0
else: return ratSimTotal/simTotal
其中計算按照奇異值能到達總能量的90% 計算;dataMat.T U[:,:4] Sig4.I 的推導請參見:推導