利用梯度下降训练参数

error是一个和方差sse，如下所示，一开始随着训练次数的增加sse确实在减少，但是到了差不多300次的时候又开始增加了，这是为啥，如下是我写的梯度下降，损失函数如下

loss = np.square(np.dot(u_vector, i_vector) - real_rating) - REG * (u_vector * u_vector + i_vector * i_vector)

实现的梯度下降如下

for epoch in range(LFM_EPOCHS):
    for uid, iid, real_rating in train_data.itertuples(index=False):
        u_vector = user_matrix[uid]
        i_vector = movie_matrix[iid]
        err = np.float32(real_rating - np.dot(u_vector, i_vector))  # 真实值和预测值的偏差
        # 更新梯度
        u_vector_cache = u_vector  # 下面更新用户向量会覆盖掉，而更新物品向量需要用户向量旧值，所以这里得保存旧值
        u_vector += LEARN * (err * i_vector - REG * u_vector)  # 这是一个numpy对象
        i_vector += LEARN * (err * u_vector_cache - REG * i_vector)  # 这是一个Numpy对象
        user_matrix[uid] = u_vector
        movie_matrix[iid] = i_vector
    if epoch % 10 == 0:  # 每10次训练，计算一次sse
        test_1(epoch)

过拟合了可能