貝葉斯概率矩陣分解理解
前提假設：
1、使用者特徵向量，電影特徵向量均服從高斯分布先驗分布
2、均值和協方差矩陣服從高斯-威沙特分布的先驗分布
後驗概率推理：
1、對使用者特徵向量後驗概率進行推理，滿足乙個新的正態分佈，均值和方差與使用者的評分、以及先驗分布的均值和方差有關係，這樣每個使用者的後驗分布服從的正態分佈都是不一樣的。 (1)
2、對電影特徵向量後驗概率進行推理，其也是滿足乙個新的正態分佈，新的正態分佈的均值和方差與電影得到的評分以及電影先驗分布的均值和方差有關 (2)
電影使用者的先驗分布的均值和方差服從高斯威沙特分布，我們希望推理出電影均值、
方差服從的後驗分布（其實也是乙個高斯威沙特分布）
對於乙個給定的使用者特徵矩陣，推理其均值和方差的後驗分布p(θ
u|u)⋅
p(u)=
p(θu,
u)=p(
u|θu)⋅
p(θu)【注意:p(
u)已知，所以可以忽略】
所以:p(θu
|u)∼p
(u|θu
)⋅p(θu
) (3)
gibbs取樣：
1、利用gibbs取樣，通過(3)式對超引數進行取樣
2、得到取樣後的超引數以後，通過(3)(4)兩個式對使用者特徵向量和電影特徵向量進行取樣。
貝葉斯概率
貝斯公式和全概率公式的意思差不多相反。全概率公式是說 某件事情的發生可以由很多情況導致，那麼這件事情發生的概率，就是每件事情導致他發生的概率，乘以每件事情發生的概率。貝斯公式的意思是 某件事情還是由剛才所說的那些事件引起的，你已經知道某件事情發生了，那麼他是由哪件事情引起的呢？就可以又貝斯公式a事件...
貝葉斯概率
貝葉斯定理 bayes theorem 貝葉斯定理中的分母可以用出現在分子中的項表示 可以把貝葉斯定理的分母看做歸一化常數，用來確保公式左側的條件概率對於所有 的y 的取值之和為1。在觀察到資料之前，我們有 一些關於引數w 的假設，這以先驗概率p w 的形式給出。觀測資料 d 的效果可以 通過條件概...
貝葉斯概率
p a b p a p b a p b p a b p a frac p a b p a p b p b a p a b p a b p a b 條件概率，事件b發生的條件下，事件a發生的概率，也叫a的後驗概率 p a p a p a 先驗概率，事先不知道任何條件時a的概率。比如，2000年8月15...