七月算法机器学习 9 推荐系统与应用
2023-09-27 14:25:50 时间
目录
主要内容
n 互联网需求变更
1.推荐系统广泛应用
2.推荐系统需求
3.推荐系统结构与评估
n 推荐算法初步
1.基于内容推荐
2.协同过滤
n 推荐算法进阶
1.矩阵分解与隐语义模型
n 推荐系统案例
推荐系统之 是什么
推荐系统之 系统结构
推荐系统之 评定标准
消除只推荐关注的东西,把尾部的东西也能给用户
推荐系统之 经典算法初步
协同过滤
基于物品的协同过滤
再减掉均值,不同的用户可以打分的标准不同
如果用户A可能最好打3分
用户B可以打分从3起步呢
如果这样不减平均值,则结果不准确
pearson相似度
推荐系统之 CF对比
基于物品的协同过滤:两本书的相似度不怎么变,所以更稳定
则用户两人的因素,兴趣会变化 ,每次都要重新计算,人是会变的
o 协同过滤优点
n 基于用户行为, 因此对推荐内容无需先验知识:不需要对内容的故事情节等人物做推测
n 只需要用户和商品关联矩阵即可, 结构简单
n 在用户行为丰富的情况下, 效果好
o 协同过滤缺点
n 需要大量的显性/隐性用户行为
n 需要通过完全相同的商品关联, 相似的不行
n 假定用户的兴趣完全取决于之前的行为, 而和当前
上下文环境无关
n 在数据稀疏的情况下受影响。 可以考虑二度关联。
推荐系统之 冷启动问题
推荐系统之 推荐算法进阶
相关文章
- TensorFlow.NET机器学习入门【0】前言与目录
- 机器学习之分类问题的评价指标
- Splunk 会议回想: 大数据的关键是机器学习
- (《机器学习》完整版系列)第5章 神经网络——5.4 BP算法的高级表达(简洁之美)
- 人工智能、深度学习、机器学习常见面试题281~300
- 机器学习笔记之正则化(二)权重衰减角度(直观现象)
- 黑科技:利用机器发热盗取数据
- 机器学习算法一览
- 《机器学习与R语言(原书第2版)》一1.2 机器学习的使用与滥用
- 吴恩达机器学习笔记 —— 5 多变量线性回归
- 吴恩达机器学习笔记 —— 12 机器学习系统设计
- 《数字图像处理与机器视觉——Visual C++与Matlab实现》——0.3 数字图像处理的预备知识
- 《Python机器学习——预测分析核心算法》——小结
- Python机器学习零基础理解随机森林算法
- 计组 | 周期大杂烩 —— 指令周期、时钟周期(节拍周期)、机器周期(CPU周期)等
- 不成功的RMAN恢复到其他机器的例子
- 【机器学习】:Kmeans均值聚类算法原理(附带Python代码实现)
- 机器学习算法速查表
- Clustree筹得790万美元 利用机器学习解决人才招聘难题