写在前面的话
ALS（交替最小二乘法），它是解决矩阵分解的“左右互搏术”。
但在机器学习的世界里，还有另一位更通用的“超级英雄” ——SGD（随机梯度下降）。

如果说 ALS 是精密的“数学解析解”（每次都算出一个局部最优），那么 SGD 就是一个探险家，在误差的群山中一步步摸索，最终找到宝藏（最小误差）。

今天，我们用最直观的方式，拆解 SGD 是如何攻克推荐系统的。

1. 我们的目标：寻找最低的山谷

我们在做矩阵分解时，目标依然没变：让预测分和真实分的误差越小越好。

想象一下，把“总误差”看作是地图上的海拔高度。

• 如果参数设得烂（预测不准），海拔就在山顶（误差大）。
• 如果参数设得好（预测准），海拔就在山谷（误差小）。

我们的任务，就是要把这两个矩阵（用户表XXX和 电影表YYY）里的几万个参数调整好，让我们从山顶走到最低的山谷里去。

2. 怎么走？（梯度下降 Gradient Descent）

想象你被蒙住双眼放在了山顶，你想下山，该怎么办？

2.1 摸那个“坡”

你看不见全貌，但你的脚能感觉到脚下的坡度。

• 如果左脚高右脚低（坡度向下），你就往右迈一步。
• 如果前脚高后脚低，你就往后退一步。

在数学上，这个“坡度”就叫梯度 (Gradient)。
梯度的方向，总是指向山顶（也就是误差变大的方向）。所以为了下山（减小误差），我们要只要沿着梯度的反方向走。

核心口诀：
新的位置 = 旧的位置 - (步长×\times×坡度)

• 步长 (Learning Rate)：非常关键！
  • 步长太大：容易扯着蛋，甚至直接跨过山谷跑到对面上坡去了（震荡）。
  • 步长太小：像蜗牛一样挪，猴年马月才能下山（收敛太慢）。

3. 为什么要“随机” (Stochastic)？

普通的梯度下降（GD），是把全班几千万个评分都对一遍，算出总误差，然后才迈出一步。

• 优点：走得稳，方向准。
• 缺点：太慢了！算一次要半天，走一步累死人。这对于海量数据的淘宝、抖音来说是不可接受的。

于是，SGD (随机梯度下降)诞生了。

3.1 醉汉的智慧

SGD 的策略是：我不管全班，我随便抓一个学生（随机采样一个评分），看我给他预测得准不准。

• 如果不准，我立马调整参数！
• 然后再抓下一个……

虽然单个样本可能会把方向带偏（比如为了迎合一个特立独行的用户，反而离大众口味远了），走起路来跌跌撞撞，像个醉汉。但因为 update 次数极其频繁，在大方向上，它依然会迅速滚向山谷。

4. SGD 在矩阵分解中的实操步骤

回到推荐系统，SGD 是怎么更新参数的？

步骤详解

1. 随机抽样：
   • 系统随机抽到一条数据：张三给《战狼》打了 5 分。
2. 当前预测：
   • 模型看一眼自己当前的参数（比如说此时张三的动作分是 0.1，战狼动作成分是 0.8）。
   • 预测出：0.1×0.8=0.080.1 \times 0.8 = 0.080.1×0.8=0.08分。
3. 计算误差：
   • 误差e=5−0.08=4.92e = 5 - 0.08 = 4.92e=5−0.08=4.92。误差巨大！说明主要矛盾在于张三的动作分太低了（或者战狼的动作分太低，或者两者都低）。
4. 立即修正 (Update)：
   • 根据公式，把“张三的动作分”调大一点，把“战狼的动作分”也调大一点。
   • 注意：这时候李四、王五的向量，以及《泰坦尼克》的向量完全不动。只改张三和战狼。
5. 循环：
   • 下一秒抽到了李四给《泰坦尼克》打分… 继续改。

数学公式（人话版）

新值=旧值+学习率×(误差×对方的值−正则化约束) \text{新值} = \text{旧值} + \text{学习率} \times (\text{误差} \times \text{对方的值} - \text{正则化约束})新值=旧值+学习率×(误差×对方的值−正则化约束)

• 如果你误差大，我就大改。
• 对方的值越大（说明对方特征显著），这一单误差你的责任就越大，你就得改越多。

5. ALS vs SGD：谁是王者？

6. 图解 SGD

下图展示了从山顶跌跌撞撞滚向红心（最低点）的过程。

希望这个比喻能帮你理解 SGD 的精髓：天下武功，唯快不破！