协同过滤(Collaborative Filtering)
简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。
应用例子：喜欢此影片的用户也喜欢…
问题：
虽然协同过滤作为一推荐机制有其相当的应用，但协同过滤仍有许多的问题需要解决。整体而言，最典型的问题有
- 新用户问题(New User Problem) 系统开始时推荐质量较差；
- 新项目问题(New Item Problem) 质量取决于历史数据集；
- 稀疏性问题（Sparsity）；
系统延伸性问题（Scalability）
过拟合
在训练集上有比较好的表现，但实际效果中却大打折扣
若有收获，就点个赞吧
0 人点赞
