类似于Netflix竞赛，假设我们有一个包含缺失评分的电影数据集。我该如何修改受限玻尔兹曼机（RBM）来推断这些缺失值？在相关论文中，一种直接的方法是对缺失的可见特征进行随机填补。然而，我对重构的准确性持怀疑态度，因为它可能依赖于这些缺失可见节点的初始值。

你有什么建议吗？

谢谢

回答：

https://www.youtube.com/watch?v=laVC6WFIXjg，这个视频可能会有所帮助。

我认为在填补随机值后进行采样是一个好主意。Hinton在视频中对此进行了解释。你也可以尝试估计先验，或者进行多次采样，或者基于其他不同方法进行猜测，然后再进行重构。

在视频中，Hinton提到这种方法本身确实不够准确，但当与矩阵分解（或其他类似方法）结合使用时，可以非常强大。