基于弹性网络正则化的隐因子预测模型 (培养学生成果)

在大数据预测中,通常采用SGD_LF 模型对高维稀疏矩阵中的缺失数据进行预测。由于SGD_LF 模型仅有L2正则化项对目标函数进行约束,不能调整隐因子的分布,这样导致模型不能很好地描述目标矩阵中实体特性,损失了模型精度。用FOBOS 算法构造一个同时用L1和L2限制目标函数的弹性网络ENLF 模型,ENLF很好地调整隐因子的分布并提高了模型性能。为了进一步提高ENLF 模型的性能,在其中加入偏差,构造BENLF模型。在大型商业数据集上的实验表明,ENLF 和BENLF 模型的预测精度和模型稀疏性等性能有显著提高。