【文件属性】：
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：2021-05-24 02:11:38
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)