Ich versuche, Matrixfaktorisierungsmodelle für Empfehlungssysteme zu verstehen und lese immer "latente Merkmale", aber was bedeutet das? Ich weiß, was eine Funktion für einen Trainingsdatensatz bedeutet, kann aber die Idee latenter Funktionen nicht verstehen. Jedes Papier zu dem Thema, das ich finden kann, ist einfach zu flach.
Bearbeiten:
wenn Sie mir wenigstens einige Papiere zeigen können, die die Idee erklären.
machine-learning
data-mining
recommender-system
Jack Twain
quelle
quelle
Antworten:
Latent bedeutet nicht direkt beobachtbar. Die gebräuchliche Verwendung des Begriffs in der PCA- und Faktoranalyse besteht darin, die Dimension einer großen Anzahl direkt beobachtbarer Merkmale in eine kleinere Menge indirekt beobachtbarer Merkmale zu reduzieren.
quelle
Im Kontext der Faktorisierungsmethode sollen latente Merkmale normalerweise Elemente entlang jeder Dimension charakterisieren. Lassen Sie mich anhand eines Beispiels erklären.
quelle
Ich würde sagen, dass Faktoren repräsentativer sind als Hauptkomponenten, um eine Wahrnehmung der 'Latenz' / Verborgenheit einer Variablen zu erhalten. Die Latenz ist einer der Gründe, warum Verhaltenswissenschaftler Wahrnehmungskonstrukte wie Gefühl, Traurigkeit in Bezug auf mehrere Elemente / Maße messen und eine Zahl für solche versteckten Variablen ableiten, die nicht direkt gemessen werden können.
quelle
Hier sind Ihre Daten Bewertungen, die von verschiedenen Benutzern für verschiedene Filme abgegeben wurden. Wie andere betont haben, sind latente Mittel nicht direkt beobachtbar.
Für einen Film bestimmen seine latenten Merkmale die Menge an Action, Romantik, Handlung, einen berühmten Schauspieler usw. In ähnlicher Weise können die latenten Variablen für einen anderen Datensatz, der aus handgeschriebenen Ziffern besteht, Kantenwinkel, Schräglauf usw. sein.
quelle