SVD 系列算法在评分预测中的过拟合现象

• 作者: 刘昊岩 闫昭 陈大伟
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 过拟合 奇异值分解 协同过滤 推荐系统 电子商务 集成学习
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 15-21
• 页数: 7页
• 分类号: TP274.2
• 字数: 7135字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2013.380

摘要

主要对协同过滤推荐算法进行改进，以使训练评分模型的过程能够预防过拟合现象的发生。对 SVD 系列算法在评分预测问题中产生的过拟合现象进行相关实验与研究，提出通过调整算法参数与迭代次数来避免过拟合现象发生的方法。实验结果表明，该方法能够以较高的时间效率找到评分预测结果较好的结果，并可有效地避免过拟合现象的发生。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫昭	北京航空航天大学计算机学院	3	15	1.0	3.0
2	陈大伟	北京航空航天大学计算机学院	1	15	1.0	1.0
3	刘昊岩	北京航空航天大学计算机学院	1	15	1.0	1.0