▶ 잠재요인 협업 필터링을 통한 영화 추천 ## 경사하강법을 이용한 행렬 문제 ## - SVD(Singular Value Decomposition)는 NaN 값이 없는 행렬에만 적용할 수 있다. - R 행렬(사용자-영화 평점 행렬)은 평점되지 않은 많은 NaN 값이 있기 때문에 P(사용자-잠재요인 행렬)와 Q(잠재요인-아이템 행렬) 행렬을 일반적인 SVD 방식으로 분해할 수 없다. ## 행렬 분해 로직 함수 ## - R(m x n) = P(m x K) * Q.T(K x m) - R : 사용자-영화 평점 행렬 - P : 사용자-잠재요인 행렬 (초기값은 랜덤값) - Q : 잠재요인-아이템 행렬 (초기값은 랜덥값) - m : 유저 수 - n : 아이템 수 - K : 잠재요인 수 (임의의 값) - 행렬 분해 함..
