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
基于标签如何构建特征向量?
1条回复
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
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
本文仅提供思路,希望对大家有帮助。 继续阅读
这两天实践了一下sklearn、pyspark ml、pmml,下面记录一下。 继续阅读
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。
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
机器学习给大多数人的感觉就是3个字:”高大上”。 继续阅读
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。