Матричная факторизация

Разбивает исходную матрицу на несколько компактных, выделяя скрытые закономерности. В рекомендательных системах алгоритм анализирует взаимодействия пользователей и товаров, чтобы предсказывать предпочтения. Позволяет персонализировать контент без явных признаков.