文件名称：梯度法正则化代码matlab-Probabilistic-matrix-factorization-in-Python:Python中的概率矩
文件大小：3KB
文件格式：ZIP
更新时间：2024-07-07 00:18:18
系统开源
伽法正则化代码matlab Python 中的概率矩阵分解 (PMF) 参数： num_feat：潜在特征的数量， epsilon：学习率， _lambda：L2 正则化， 动量：梯度的动量， maxepoch：停止前的纪元数， num_batches：每个时期的批次数（用于 SGD 优化）， batch_size：每批使用的训练样本数（用于 SGD 优化） 方法： 适合（train_tuple，val_tuple） 使用 train_tuple 拟合模型并在训练和验证数据上评估 RMSE。 输入元组格式：(userID, movieID, rating) # 推荐0-index ID 输出：U 和 V 矩阵、训练的 RMSE 误差和每个时期后的验证。 预测（用户 ID） 预测给定用户的所有电影的评分。 set_params(parameter_dict) 通过提供参数字典来设置参数。 辅助功能： def wrap_Parameters（num_feat，epsilon，_lambda，momentum，maxepoch，num_batches，batch_size）： 返回{“num
【文件预览】：
Probabilistic-matrix-factorization-in-Python-master
----README.MD(1KB)
----PMF.py(5KB)
----Metrics_topK.py(711B)