问答详情
源自:3-3 -电影推荐系统-模型训练与评估

predicts = np.dot(Current_X_parameters, Current_Theta_parameters.T) + rating_mean

为什么要+ rating_mean

提问者:慕姐1168510 2019-05-05 22:14

个回答

  • weixin_慕尼黑3109738
    2019-10-30 10:59:25

    同问,不应该加rating_mean吧?

  • LittlePaddington
    2019-06-02 20:37:41

    同问,还想问一下为什么这两个矩阵相乘得出来的结果就是预测评分。

    之前生成X_parameters,Theta_parameters矩阵正态分布怎么反映出评分特征的,感觉是具有随机性的,不能代表喜好

  • 吃麦子的猫
    2019-05-23 21:29:18

    不太懂,前面说内容矩阵X和用户喜好矩阵Theta相乘就是完整的评分表了,我猜测这里加平均分可能是为了让数据好看一点,因为电影类型num_features他直接默认设置的10,当实际的类型远大于10的时候,计算出来的评分值会偏小,我试过,可能只有0.几的评分。所以当找到一个合适的num_features之后不加平均分,出来的值就是正常的,加上平均分反而超过评分的最高值了。他前面评分最高就5分,结果出来5.好几,这不是扯呢么