目录
推荐模型的分类
条目2
条目3
条目4
条目5
条目6
条目7
条目8
条目9
|
推荐模型的分类 |
最为流行的两种方法是基于内容的过滤、协同过滤。
基于内容的过滤：
比如用户A买了商品A，商品B与商品A相似（这个相似是基于商品内部的属性，比如“非常好的协同过滤入门文章”和“推荐系统:协同过滤collaborative filtering”比较相似），那么就能将商品B推荐给用户。
协同过滤：
利用的是训练数据是大量用户对商品的评分，即（userID，productID，score）。称得上最经典最常用的推荐算法。协同过滤又可细分为：基于用户的推荐、基于物品的推荐。
基于用户的推荐：
简单解释就是“志趣相投”
以商品为维度，寻找相似用户。就能给用户A推送他的相似用户买过的商品。
基于物品的推荐：
简单解释就是“物以类聚”
以用户为维度，寻找相似商品。比如用户A买了个商品A，那就能推荐与商品A相似的商品。
|
条目2 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目3 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目4 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目5 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目6 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目7 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
|
条目8 |
引例
现有训练集如下，请训练一个决策树模型，对未来的西瓜的优劣做预测。
