-
MovieLens数据集上应用协同过滤对电影推荐产生的影响-MATLAB代码
资源介绍
matlab代码影响电影推荐
该资料库包含用Matlab编写的协作过滤推荐算法，该算法适用于。
MovieLens数据集
我决定要使用MovieLens数据集，因为它包含所有最新电影，所以我想自己尝试一下。
数据集已经整理好-我已经生成了新的电影ID以消除差距并更新了相应的评分，因此我可以在Matlab中更轻松地使用它们。
用户数：668
电影数量：10.329
评分的数量：105.339
每个用户平均评价158部电影
我使用了Coursera机器学习课程中的一些现有代码，主要用于计算成本函数。
参数
我了解到，调整以下参数会影响成本函数的值：
功能数量：较大的值可防止拟合不足
正则化：较大的值可防止过度拟合
模型将学习的特征数量会影响它将从数据集中收集多少信息。
我尝试在模型上使用30到60个功能。
使用50个特征来训练模型恰好是最合适的。
选择正则化参数lambda时，较小的值可能导致过度拟合或高方差。
当模型的成本函数值非常低，但不能很好地概括时，就是这种情况。
我尝试了从0.3到3.0的lambda值，使用1.0是最合适的。
测试？
我通过插入一些我看过的电影并对他们的评分来评