Próbuję zrozumieć modele faktoryzacji macierzy dla systemów rekomendujących i zawsze czytam „ukryte funkcje”, ale co to znaczy? Wiem, co oznacza funkcja dla zestawu danych szkoleniowych, ale nie jestem w stanie zrozumieć idei ukrytych funkcji. Każdy artykuł na ten temat, który mogę znaleźć, jest po prostu zbyt płytki.
Edytować:
jeśli przynajmniej możesz wskazać mi kilka artykułów wyjaśniających ten pomysł.
machine-learning
data-mining
recommender-system
Jack Twain
źródło
źródło
Odpowiedzi:
Utajone oznacza, że nie można ich bezpośrednio zaobserwować. Powszechnym zastosowaniem tego terminu w PCA i analizie czynnikowej jest zmniejszenie wymiaru dużej liczby cech bezpośrednio obserwowalnych do mniejszego zestawu cech pośrednio obserwowalnych.
źródło
W kontekście metody faktoryzacji ukryte cechy mają zazwyczaj na celu scharakteryzowanie elementów wzdłuż każdego wymiaru. Pozwól mi wyjaśnić na przykładzie.
źródło
Powiedziałbym, że czynniki są bardziej reprezentatywne niż główne składniki, aby uzyskać postrzeganie „opóźnienia” / ukrywania zmiennej. Opóźnienie jest jednym z powodów, dla których naukowcy behawioralni mierzą konstrukty percepcyjne, takie jak odczuwanie, smutek w kategoriach wielu przedmiotów / miar, i uzyskują liczbę dla takich ukrytych zmiennych, których nie można bezpośrednio zmierzyć.
źródło
Tutaj twoje dane są ocenami przyznawanymi przez różnych użytkowników dla różnych filmów. Jak zauważyli inni, ukryte środki nie są bezpośrednio widoczne.
W przypadku filmu jego ukryte funkcje określają ilość akcji, romans, fabułę, słynnego aktora itp. Podobnie, w innym zestawie danych składającym się z odręcznych cyfr, ukrytymi zmiennymi mogą być kąt krawędzi, pochylenie itp.
źródło