• 优点
• 公式
• SVD矩阵分解前提

优点

1. 适用于任意矩阵得一种分解方式
2. 减少特征空间 取出数据噪声 提高推荐结果
3. 奇异值分解作用一般都是降维

   公式

   

SVD矩阵分解前提

矩阵是稠密的 即矩阵里的元素要非空 用户-评分矩阵数据90%是非常稀疏

1. 先填充矩阵， 再进行分解降维
2. 由此计算复杂度非常高