user-cf算法思考-K值的确定

在user-cf的过程中，考虑如下的case：

user-A like item-a item-b item-d

user-B like item-a item-c

user-C like item-b item-c

user-D like item-c item-d item-e

考虑给user-A进行推荐，首先user-cf要确定相邻user的个数K。

书上说，user-cf中K的值过大或者过小都不好。user-A的推荐中，K值最小的极限K=1，即只考虑和user-A最相似的user，会因过于片面而效果不好；K值去最大的极限，即K=user_number，即所有的user都和user-A相邻，那么给user-A的推荐就会过于倾向于热门物品，而不是个性化物品。

个人认为，在user-cf的推荐中，user-A和所有相似度不为0的user进行推荐，K值越大越好。因为这样才能全方位利用相似user的信息，如果K值过大导致推荐倾向热门物品，是因为相似度计算公式不够好，不能够对和A最相似的物品给予足够的权重。

在此处只考虑K=user_number进行计算。

user-cf算法思考-K值的确定相关推荐

k近邻算法之 k值的选择
k近邻算法之 k值的选择举例说明: K值过小: [过拟合] 容易受到异常点的影响 [如:美人鱼本身就是喜剧片,假如统计的时候记为动作片,则对预测值的影响太大] k值过大: [欠拟合] ...
机器学习里如何确定K-Means算法的K值？
[问题] Kmeans算法中,K值所决定的是在该聚类算法中,所要分配聚类的簇的多少.Kmeans算法对初始值是比较敏感的,对于同样的k值,选取的点不同,会影响算法的聚类效果和迭代的次数. [解决方案] ...
Kmeans算法肘部法则--Kmeans算法确定K值
肘部法则对于K-means算法的K值确定起到指导作用,很多人在用K-means算法的时候可能不知道如何确定K取多少比较好,在面试也会遇到K值确定的问题.肘部算法可以有效解决这个问题简单叙述一下肘部法 ...
KMeans算法的K值以及初始类簇中心点的选取
KMeans算法是最常用的聚类算法,主要思想是:在给定K值和K个初始类簇中心点的情况下,把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中,所有点分配完毕之后,根据一个类簇内的所有点重新计 ...
【机器学习】KNN算法及K值的选取
KNN算法是有监督学习中的分类算法,它看起来和另一个机器学习算法K-means有点像(K-means是无监督学习算法),但却是有本质区别的. KNN的原理就是:当预测一个新的值x的时候,根据它距离最近 ...
knn算法中k值的理解
knn算法是指对预测集中的每一个图像与训练集中的所有图像比较,寻找出在训练集中与这一张预测图片最接近的图像,将该图像的标签给这张预测图片.实施的方法为图像矩阵相减并取绝对值,然后将得到的像素矩阵各元素 ...
K-近邻算法之K值的选择（带案例）
三.K值的选择 K值选择问题,李航博士的一书「统计学习方法」上所说: 选择较小的K值,就相当于用较小的领域中的训练实例进行预测,"学习"近似误差会减小,只有与输入实例较近或相似的训 ...
KNN 最近邻算法（K近邻）
机器学习教程正在计划编写中,欢迎大家加微信 sinbam 提供意见.建议.纠错.催更. KNN(K-Nearest Neighbor)是机器学习入门级的分类算法,也是最为简单的算法.它实现将距离近的 ...
kmeans聚类选择最优K值python实现
Kmeans算法中K值的确定是很重要的. 下面利用python中sklearn模块进行数据聚类的K值选择数据集自制数据集,格式如下: ①手肘法手肘法的核心指标是SSE(sum of the squ ...

user-cf算法思考-K值的确定

user-cf算法思考-K值的确定相关推荐

最新文章

热门文章