记录今天在机器学习方向的探索，单位的实验室环境用起来很舒服。赞。 记录我在机器学习领域的每一步成长。// 本次实验素材取自林大贵先生的大数据巨量分析和机器学习整合开发实战。 实验用数据源在文件页面下载。 Let's go。 假设有一个在线电影网站，会员付费在线观赏电影。公司希望运用大数据分析推荐引擎 ...
分类：
编程语言 时间：
2017-11-19 14:17:09
阅读次数：
240
一:推荐算法分类： 1.按数据使用划分： 协同过滤算法：UserCF, ItemCF, ModelCF 基于内容的推荐: 用户内容属性和物品内容属性 社会化过滤：基于用户的社会网络关系 协同过滤算法：UserCF, ItemCF, ModelCF 基于内容的推荐: 用户内容属性和物品内容属性 社会化 ...
分类：
编程语言 时间：
2017-11-04 19:23:24
阅读次数：
172
推荐算法概览（一） 为推荐系统选择正确的推荐算法非常重要，而可用的算法很多，想要找到最适合所处理问题的算法还是很有难度的。这些算法每种都各有优劣，也各有局限，因此在作出决策前我们应当对其做以衡量。在实践中，我们很可能需要测试多种算法，以便找出最适合用户的那种；了解这些算法的概念以及工作原理，对它们有 ...
分类：
编程语言 时间：
2017-10-28 19:03:24
阅读次数：
252
前一文中已经对推荐算法做了个简单的介绍，最常用的就是协同过滤，可分为基于用户的或者基于作品的。我以mahout对这两个算法进行了测试，发现只用这两个算法来完成推荐的工作，还远远不够。这两算法有以下问题待解决: 1.数据源的广度和精度。 算法需要大量的user_id,product_id,like_n ...
分类：
其他好文 时间：
2017-10-10 19:13:34
阅读次数：
176
前言 以下内容是个人学习之后的感悟，转载请注明出处~ 简介 很多网站都有推荐系统，向我们推荐我们想要地或者有可能需要的信息，那么它是怎么实现的呢？因为它们 都采用了推荐算法，在现今的推荐算法之中，最被大家广泛认可和采用的是协同过滤算法。 协同过滤算法 所谓基于内容的推荐，就是说我们的item具备某些 ...
分类：
编程语言 时间：
2017-08-31 18:01:59
阅读次数：
128
一、矩阵分解回想 在博文推荐算法——基于矩阵分解的推荐算法中，提到了将用户-商品矩阵进行分解。从而实现对未打分项进行打分。矩阵分解是指将一个矩阵分解成两个或者多个矩阵的乘积。对于上述的用户-商品矩阵(评分矩阵)，记为Vm×nV_{m\times n}。能够将其分解成两个或者多个矩阵的乘积，如果分解成 ...
分类：
编程语言 时间：
2017-08-10 10:06:09
阅读次数：
252
推荐算法大致能够分为下面几类 基于流行度的算法 协同过滤算法（user-based CF and item-based CF） 基于内容的算法（content-based） 基于模型的算法 混合算法 1. 基于流行度的算法 能够依照一个项目的流行度进行排序，将最流行的项目推荐给用户。比方在微博推荐中 ...
分类：
编程语言 时间：
2017-07-29 15:24:32
阅读次数：
233
介绍 论文名: “classification, ranking, and top-k stability of recommendation algorithms”. 本文讲述比較推荐系统在三种情况下, 推荐稳定性情况. 与常规准确率比較的方式不同, 本文从还有一个角度, 即推荐算法稳定性方面进行 ...
分类：
编程语言 时间：
2017-07-29 14:09:55
阅读次数：
226
一.加权SlopeOne算法公式： (1).求得所有item之间的评分偏差 上式中分子部分为项目j与项目i的偏差和，分母部分为所有同时对项目j与项目i评分的用户数 (2).加权预测评分 项目j与项目i 上式中表示用户u对项目j的评分预测，分子为项目j对项目i的偏差加上用户对项目i的评分，cji表示同 ...
分类：
编程语言 时间：
2017-07-28 17:37:21
阅读次数：
311
推荐算法主要分为基于内容的算法和协同过滤. 协同过滤的两种基本方法是基于邻居的方法(基于内容/物品的协同过滤)和隐语义模型. 矩阵分解乃是实现隐语义模型的基石. 矩阵分解依据用户对物品的评分, 判断出用户和物品的隐语义向量, 然后依据用户和物品的隐语义向量来进行推荐. 推荐系统用到的数据能够有显式评 ...
分类：
其他好文 时间：
2017-07-25 17:19:38
阅读次数：
128
