SVD和SVM有什么区别答案

【问题标题】：What is the difference between SVD and SVMSVD和SVM有什么区别
【发布时间】：2012-11-11 22:12:52
【问题描述】：

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

通俗地说，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。

【问题讨论】：

【解决方案1】：

SVD 和 SVM 解决不同的问题，无论它们在内部如何工作。

SVD 是一种降维技术，它基本上可以使您的数据更加密集。在一般机器学习中，SVD 经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（更好地从训练数据泛化到实际预测）。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。

【讨论】：

嘿，我正在研究推荐引擎，想知道如果我使用这两种算法有什么区别。
您将向引擎提供什么样的数据？在最一般的情况下（用户-项目交互，没有冷启动问题），使用像 kNN 或矩阵分解这样的 CF 技术是最好的选择。不是 SVD 本身。