Все это время (особенно в конкурсе Netflix) я всегда сталкивался с этим блогом (или форумом лидеров), в котором упоминается, как, применяя простой шаг SVD на данных, помогли им уменьшить разреженность в данных или, в целом, улучшили производительность их алгоритма в руке. Я пытаюсь думать (с тех пор долгое время), но я не могу угадать, почему это так. В целом, данные в руке, которые я получаю, очень шумные (что также является забавной частью bigdata), а затем я знаю некоторые базовые функции масштабирования, такие как материал преобразования журнала, средняя нормализация. Но как помогает SVD. Так позволяет сказать, что у меня есть огромная матрица рейтинга пользователя movies..and то в этой матрице, я реализую некоторую версию системы рекомендаций (скажем, совместная фильтрация):Значимость PCA или SVD в машинном обучении
1) Without SVD
2) With SVD
как это помогает Благодаря
«Производительность», вы имеете в виду скорость или точность? –
@larsmans Привет .. Я имел в виду точность – Fraz