我知道缩写SVM(Support Vector Machines)，SVD(Singular Value Decomposition)并且 SVM、SVD 都用于推荐引擎。
用外行的话来说，这两种算法有什么区别，它们将如何影响我的推荐引擎。
问问题
7422 次
1 回答
10
SVD 和 SVM 解决不同的问题，无论它们在内部如何工作。
SVD 是一种降维技术，它基本上可以使您的数据更加密集。在一般机器学习中，SVD 经常被用作预处理步骤。在推荐中，有许多类似于 SVD 的矩阵/张量分解技术，但通常针对不同的目标函数进行优化，例如，它们包含正则化项以防止过度拟合（以便更好地从训练数据泛化到实际预测）。它们通常被称为 SVD 或在其名称中包含“SVD”，但它们并不是数学家所理解的 SVD。
SVM 是一种分类器。在推荐系统中，您可以使用 SVM 为每个用户（或用户组）训练一个分类器，该分类器根据产品的属性确定用户是否会购买该产品。当然，您也可以为该任务使用其他分类器，例如朴素贝叶斯、逻辑回归或决策树。
于 2012-11-24T10:41:19.957 回答