文件名称：matlab匹配滤波代码-movie_recommendation_system:使用协作拟合技术构建的电影推荐系统
文件大小：606KB
文件格式：ZIP
更新时间：2024-06-12 19:58:18
系统开源
matlab匹配滤波代码电影推荐系统 协作过滤学习算法将被实施并应用于电影收视率数据集，以构建电影推荐系统。 我将从安德鲁·伍（Andrew Ng）在Coursera上的机器学习课程的第八部分的第二部分改编我的推荐系统。 提供的数据集由1到5的等级组成。该数据集有943位用户和1682部电影。 该数据集来自GroupLens Research的MovieLens 100k数据集。 运行项目 确保已安装MATLAB或Octave。 将项目克隆到本地计算机。 运行movierecommendations.m。 对于指导性实施，您可以运行实时脚本RecommenderSystems.mlx。 项目详情 协作过滤学习算法将被实施并应用于电影收视率数据集，以构建电影推荐系统。 函数cofiCostFunc.m计算协作拟合目标函数和梯度。 函数fmincg将用于学习协作过滤的参数。 首先，我们将加载我们的数据（ex_movies.mat）。 这将提供变量Y，该变量将存储每个用户的电影分级（尺寸为num_movies x num_user）。 矩阵R是一个二进制值的指标矩阵，如果用户j对电影i进行评
【文件预览】：
movie_recommendation_system-master
----loadMovieList.m(650B)
----computeNumericalGradient.m(1KB)
----fmincg.m(9KB)
----cofiCostFunc.m(1KB)
----RecommenderSystems.mlx(11KB)
----checkCostFunction.m(2KB)
----movie_id.txt(47KB)
----images()
--------grads.png(107KB)
--------costfunction.png(51KB)
----ex_movieParams.mat(196KB)
----README.md(4KB)
----normalizeRatings.m(479B)
----ex_movies.mat(218KB)
----movierecommendations.m(3KB)