私は略語を知っておりSVM(Support Vector Machines)、SVD(Singular Value Decomposition)SVM と SVD の両方がレコメンデーション エンジンで使用されていることを知っています。
素人の言葉で言えば、これら 2 つのアルゴリズムの違いは何であり、それらが私のレコメンデーション エンジンにどのような影響を与えるでしょうか。
質問する
7422 次
1 に答える
10
SVD と SVM は、内部でどのように機能するかに関係なく、さまざまな問題を解決します。
SVD は、基本的にデータを高密度化する次元削減手法です。一般的な機械学習では、SVD は前処理ステップとしてよく使用されます。推奨事項として、SVD に似た多くの行列/テンソル分解手法がありますが、多くの場合、さまざまな目的関数に対して最適化されています。たとえば、オーバーフィッティングを防ぐために正則化項が含まれています (トレーニング データから実際の予測への一般化を改善するため)。それらはしばしば SVD と呼ばれたり、名前に「SVD」が含まれていますが、数学者が SVD として理解しているものとは正確には異なります。
SVM は一種の分類器です。レコメンダー システムでは、SVM を使用して、ユーザー (またはユーザー グループ) ごとに 1 つの分類器をトレーニングできます。この分類器は、製品の属性に基づいて、ユーザーが製品を購入するかどうかを決定します。もちろん、そのタスクには、単純ベイズ、ロジスティック回帰、決定木などの他の分類器を使用することもできます。
于 2012-11-24T10:41:19.957 に答える