吴恩达机器学习系列23：基于内容的推荐算法

现在，推荐算法已经深刻到咱们生活的各个方面，好比说淘宝根据咱们以前的浏览记录给咱们推荐想要购买的商品；抖音不停地给咱们推荐各类咱们感兴趣的视频（虽然我我的不太喜欢抖音，以为抖音会让咱们丧失独立思考的能力，可是它的推荐算法仍是很厉害的）

。。。

这些推荐算法极大地便捷了咱们的生活，身为一个学习机器学习的同窗，怎么能不关注一下推荐算法呢？

 下面来举个栗子：现在有一个电影推荐系统，用户能够给电影进行评分，从 0 分到 5 分，有些电影没有被打过度就记作未知，最终目的就是想经过一个推荐算法把某些电影推荐给可能对他感兴趣的用户。

绿圈表示这是一类爱情电影，红圈表示这是动做电影，由以上数据能够看出，前两位用户对爱情片可能感兴趣，然后两位用户对动做片可能感兴趣。基于此，咱们能够用相似于线性回归的方法去预测没有看过此电影的用户可能对此电影的评分，在用这种方法以前，咱们须要先求出每一个电影的特征：

以后，具体的方法以下：

与线性回归有一点点的区别就是它被省略了 1/m。这是对一个用户进行预测，要考虑到全部的用户，就要进行求和：

以后再进行梯度降低等一系列操做。。。最终就能获得一个基于内容的推荐算法了。

ps. 本篇文章是根据吴恩达机器学习课程整理的学习笔记。若是想要一块儿学习机器学习，能够关注微信公众号「SuperFeng」，期待与你的相遇。