预测评分，线性回归模型。推荐预测评分高的。

基于商品的协同过滤：

基于用户的协同过滤：

相似度衡量：欧式距离、皮尔逊系数、余弦相似度。

 由评分，没看过的是？，预测评分来推荐。

结合内容参数，来预测评分：

 线性回归模型

建立损失函数，引入正则化项防止过拟合。对所有用户的损失函数加起来。

梯度下降法优化损失函数，更新参数。

---

 

 由用户喜好参数表：可以预测电源成分。

 

 协同过滤算法

迭代求解

基于矩阵分解

算法流程：

 

 冷启动问题：