recommendation-engine - SVD和SVM有什么区别

Question

我知道缩写SVM(Support Vector Machines)和 SVD(Singular Value Decomposition)并且 SVM 和 SVD 都用于推荐引擎。

用外行的话来说，这两种算法之间有什么区别，它们将如何影响我的推荐引擎。

Answer 1

SVD 和 SVM 解决不同的问题，无论它们内部如何工作。

SVD 是一种降维技术，它基本上可以增加数据的密度。
在一般机器学习中，SVD 常被用作预处理步骤。
在推荐中，有许多类似于 SVD 的矩阵/张量分解技术，但通常针对不同的目标函数进行优化，例如它们包括一个正则化项，以防止过度拟合(从训练数据更好地概括到实际预测)。它们通常被称为 SVD 或在其名称中包含“SVD”，但它们并不完全是数学家所理解的 SVD。

SVM 是一种分类器。
在推荐系统中，您可以使用 SVM 为每个用户(或用户组)训练一个分类器，该分类器根据产品的属性确定用户是否会购买该产品。当然，您也可以为该任务使用其他分类器，例如朴素贝叶斯、逻辑回归或决策树。