Github链接：《第3章》
《Python机器学习基础教程 》笔记-第3章
发表评论
分类目录归档：机器学习
《Python机器学习基础教程 》笔记-第2章
《Python机器学习基础教程 》笔记-第1章
基于标签如何构建特征向量？
我们预测user是否对item感兴趣，最简单的就是user特征和item特征拼在一起作为特征向量，进行模型训练与预测。 继续阅读
精确率（precision）与召回率（recall）
这两个”率”经常看到，但也很容易忘记怎么回事，所以我在这里通过博客的方式再记录一下，加深印象。 继续阅读
机器学习与商品归一去重
本文仅提供思路，希望对大家有帮助。 继续阅读
记录pyspark ml与pmml的用法
这两天实践了一下sklearn、pyspark ml、pmml，下面记录一下。 继续阅读
一篇机器学习入门的PPT分享
考虑到浏览器支持PDF在线阅读，所以以后会上传PDF版本的PPT。
CTR展现打散去重的设计
大家看今日头条的推荐会发现，每次刷新都会推荐不同的内容，而且翻页也很少出现重复内容。 继续阅读
小白理解的机器学习
机器学习给大多数人的感觉就是3个字：”高大上”。 继续阅读
协同过滤推荐算法 — 原理与实践
自从机器学习火爆以来，一直对推荐系统的工程化比较感兴趣，但是网上又缺乏这方面的干货。
这两天偶然接触到python surprise库，才意识到其实基础的推荐算法是可以高度抽象的，也并没有想像的那么难以应用。
为了掌握工具，我发现缺乏了太多理论基础，于是决定把推荐系统的基础算法–协同过滤 进行理论研究。