Professional Documents
Culture Documents
BTL ĐSTT N6
BTL ĐSTT N6
04 05 06
Ví dụ Thách thức và hạn chế Kết luận
1. GIỚI THIỆU
1.1. Giới thiệu về phân tích suy biến SVD
Phương pháp phân tích suy biến (Singular Value
Decomposition) được viết tắt là SVD, là một
trong những phương pháp thuộc nhóm matrix
factorization được phát triển lần đầu bởi những
nhà hình học vi phân.
1 2
Hiệu suất Kích thước mô hình
3 4
Khả năng mở rộng Tính điểm PCA
4. VÍ DỤ VỀ ỨNG DỤNG
CỦA SVD TRONG
MACHINE LEARNING
4.1. Phân tích SVD ứng dụng trong nén ảnh
4.2. Ứng dụng SVD trong hệ gợi ý
Hệ gợi ý dựa trên nội dung- Content-based Recommendation Systems
4.2. Ứng dụng SVD trong hệ gợi ý
Hệ gợi ý dựa trên nội dung- Content-based Recommendation Systems
4.2. Ứng dụng SVD trong hệ gợi ý
Neighborhood-Based Collaborative Filtering
4.2. Ứng dụng SVD trong hệ gợi ý
Matrix factorization
Một trong những ứng dụng thành công nhất của mô hình yếu tố tiềm ẩn là dựa trên
Phân tích ma trận thành nhân tử (Matrix Factorization, Matrix Decomposition).
Kết quả cuộc thi Netflix Prize đã chứng minh, các mô hình phân tích ma trận thành
nhân tử vượt trội so với các kỹ thuật hàng xóm gần nhất cổ điển để đưa ra các
khuyến nghị sản phẩm, cho phép kết hợp các thông tin bổ sung như phản hồi ngầm,
hiệu ứng thời gian và mức độ tin cậy.
5. THÁCH THỨC VÀ HẠN CHẾ
KHI SỬ DỤNG TRONG SVD
TRONG MACHINE LEARNING
5.1. Các thách thức khi sử dụng SVD trong Machine
Learning
Độ phức tạp tính toán: Phép tính SVD có độ phức tạp cao, đặc biệt là trên dữ
liệu lớn.
Giới hạn bộ nhớ: SVD yêu cầu lưu trữ ma trận toàn phần trong bộ nhớ, điều
này có thể gây ra các vấn đề về bộ nhớ cho dữ liệu lớn.
Khả năng sử dụng trên dữ liệu thưa: SVD không phù hợp với dữ liệu thưa,
nghĩa là dữ liệu với số lượng giá trị không xác định (hoặc không có) trong ma
trận.
5.2. Các hạn chế khi sử dụng SVD trong Machine
Learning
Khả năng Khó sử dụng trên
Hạn chế chế
giải thích dữ liệu có cấu
độ chính
kết quả trúc đặc biệt
Phân tích SVD được sử dụng trong Machine Learning mang lại rất
nhiều ứng dụng trong nhiều lĩnh vực như nén ảnh, ứng dụng trong hệ
thống gợi ý, ....
CẢM ƠN THẦY
VÀ CÁC BẠN ĐÃ
LẮNG NGHE!