問題タブ [matrix-factorization]

ランク不足（ランク= 9）の特異行列A（10 * 10）があり、Aの範囲空間にあるベクトルbがあります。今、Ax = bの解に興味があります。具体的には、ここに私のAがあります

b を使用して生成されA.dot(np.ones(10))ます。今、私はlu因数分解を使用してこれを解決したかったので、次のようにしました

どちらが与える

また、この場合、lu_factor は正常に機能しているようです (実行時に「対角数 %d は正確にゼロです。特異行列です」という警告が表示される場合があります)。完全を期すために、 lu_factor からの PLU が A と同じであることを確認するためのコードを次に示します。

これで、行列が特異であり、問​​題に対する解が無限にあることがわかりました。しかし、私は任意の解決策に興味があり、なぜlu因数分解が失敗するのか混乱しています。自由変数を0に設定して、教えられているように解決策を見つけることはできませんか? また、実行時の警告 「対角数 %d は正確にゼロです。特異行列」との取引は何ですか。これを解決するためのsvd/qrアプローチには興味がないことに注意してください.luが特異行列で失敗する理由を知りたいだけです. どんな提案でも大歓迎です。ありがとう。

Spark ALS で構築されたコラボレーティブ システムがあります。評価ではなく、ユーザーが購入したものに基づいてセット商品をユーザーに推奨したかったのです。そのため、ユーザーが購入したすべての製品に 1 を設定しました。ALSシステムを構築しました。予測はスコアが 1 以上で、rmse も 0.99 です。Implicitprefs =True を設定しました。以下のコードを見つけてください。rmseが0.99というのは高すぎませんか？それは正しいアプローチですか？

注: for ループでイテレーションとランク パラメータを改善しました。

私は tensor Flow が初めてで、tensorflow を使用したレコメンデーション システムについて調べています。私はgithubでいくつかのサンプルコードを確認しましたが、次のようにほとんど同じものに出くわしました

https://github.com/songgc/TF-recomm/blob/master/svd_train_val.py

しかし問題は、上記のコードでユーザー U1 の最上位のレコメンデーションをどのように選択するかということです。

サンプルコードまたはアプローチがあれば、共有してください。ありがとう

非常に大きくてまばらなマトリックス (531K x 315K) があり、セルの総数は約 1670 億です。ゼロ以外の値は 1 のみです。ゼロ以外の値の総数は約 45K です。問題を解決するための効率的な NMF パッケージはありますか? そのためのパッケージがいくつかあることは知っていますが、それらは小さなサイズのデータ​​マトリックスに対してのみうまく機能しています。どんなアイデアでも役立ちます。前もって感謝します。