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，SVD都用于推荐引擎。

用外行人的话来说，这两种算法之间有什么区别，它们会如何影响我的推荐引擎。

Answer 1

SVD和SVM解决了不同的问题，无论它们如何在内部工作。

SVD是一种降维技术，它基本上可以简化您的数据。 在一般的机器学习中，SVD通常用作预处理步骤。 在推荐中，存在许多类似于SVD的矩阵/张量因子分解技术，但是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（从训练数据到实际预测更好地概括）。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产品。当然，您也可以使用其他分类器，如朴素贝叶斯，逻辑回归或决策树来完成该任务。