728x90
A(User-item matrix)에서 (entry는 feedback)
Observed only MF는 오직 observed data에 대해서만 objective function에 포함
Weighted MF는 unobserved data 또한 objective function에 포함 with some weight
SVD는 Observed+Unobserved, 즉 모두 포함(따라서 Frobenius norm으로 계산)
Observed only MF는 loss가 낮아보이겠으나, 대다수가 0이 아닌 값으로 학습하여(특히 A가 binary 1/0라면 모두 1로 학습해버리는 경향을 띔) generalization 능력이 떨어짐
SVD는 User-item matrix가 굉장히 sparse하여 대다수가 0으로 학습하여 generalization 능력이 떨어짐
Weighted MF는 unoserved data에 적당한 weight를 주어 0과 1에 치우치지 않게 학습(observed data에서도 training set에 많이 등장한 (u,i)는 가중치를 더 줄 수 있음)
728x90
'ML > Recsys' 카테고리의 다른 글
| [Recsys]Collaborative filtering 장단점 (0) | 2020.10.20 |
|---|---|
| [Recsys] Collaborative filtering에서 SGD vs WALS (0) | 2020.10.19 |
| [Recsys]Content-based filtering의 장단점 (0) | 2020.10.19 |
| [Recsys]Which similarity measure to choose? (0) | 2020.10.19 |
| (미완)[Recsys][metric]offline metric, Hit Rate, ARHR, P@K, AP@K, MAP@K, MAE, MSE, RMSE, NDCG, COVERAGE (0) | 2020.10.08 |