Изменения

{{Определение|definition='''Регуляризация''' (англ. ''regularization'') в статистике, машинном обучении, теории обратных задач — метод добавления некоторых дополнительных ограничений к условию с целью решить некорректно поставленную задачу или предотвратить переобучение. Чаще всего эта информация имеет вид штрафа за сложность модели.}} Модель будет зависить зависеть от ногих следующих параметров {{---}} : вектора пользователей и вектора объектов. Для заданных параметров, возьмем вектор пользователя, и вектор объекта и , а затем для предсказания оценки получим их скалярное произведение, чтобы предсказать оценку:

<tex> \Theta = {p_u,q_i | \mid u \in U, i \in I} </tex>

Но вектора пока не известны, их нужно получить. Имеются оценки пользователей, при помощи которых можно можно найти оптимальные параметры, при которых модель предскажет оценки наилучших наилучшим образом:

То есть, нужно найти такие параметры <tex> \Theta </tex>, чтобы квадрат ошибки был наименьшим. Однако ситуация следующая: оптимизация приведет к наименьшим ошибкам в будущем, но как именно оценки будут спрашивать {{---}} неизвестно. Следовательно, это нельзя оптимизировать. Однако, так как оценки , уже проставленные пользователями , известны, постараемся минимизировать ошибку на тех данных, что у нас уже есть. Так же добавим регуляризатор.