Estou tentando entender os modelos de fatoração matricial para sistemas de recomendação e sempre leio 'recursos latentes', mas o que isso significa? Sei o que significa um recurso para um conjunto de dados de treinamento, mas não consigo entender a idéia de recursos latentes. Todo artigo sobre o assunto que encontro é superficial demais.
Editar:
se pelo menos você pode me apontar alguns papéis que explicam a idéia.
machine-learning
data-mining
recommender-system
Jack Twain
fonte
fonte
Respostas:
Latente significa não diretamente observável. O uso comum do termo na Análise PCA e Fator é reduzir a dimensão de um grande número de recursos diretamente observáveis em um conjunto menor de recursos indiretamente observáveis.
fonte
No contexto do método de fatoração, os recursos latentes costumam caracterizar itens ao longo de cada dimensão. Deixe-me explicar pelo exemplo.
fonte
Eu diria que os fatores são mais representativos que os principais componentes para obter uma percepção de 'latência' / ocultação de uma variável. A latência é uma das razões pelas quais os cientistas comportamentais medem construções perceptivas como sentimento, tristeza em termos de vários itens / medidas e derivam um número para variáveis ocultas que não podem ser medidas diretamente.
fonte
Aqui, seus dados são classificações dadas por vários usuários a vários filmes. Como outros já apontaram, meios latentes não são diretamente observáveis.
Para um filme, seus recursos latentes determinam a quantidade de ação, romance, enredo, ator famoso etc. Da mesma forma, para outro conjunto de dados que consiste em dígitos manuscritos, as variáveis latentes podem ser ângulo de arestas, inclinação, etc.
fonte