- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于奇异值分解（SVD）的推荐系统算法实现
基于奇异值分解（SVD）的推荐系统算法实现 基于矩阵分解模型的原则就是把用户和项目映射到共同的一种特征空间（维数假设为f），而用户对项目的评分就可定义为该用户矩阵与该项目的点积。也就是说，每一个用户就相对于一个特征向量P（u），每一个项目就相对于一个特征Q(i)。Q(i)中的每一个元素表示的是项目i中所包含的某个特征的水平，而P(u)中每个元素表示这个用户喜欢某种特征的程度，所以，
2014-01-10 02:02:36
7684
2
原创 基于KNN的协同滤波推荐算法实现
基于KNN的协同滤波推荐算法实现 邻居模型通常也被称为k-最近邻模型，或者简称为kNN。KNN 模型可以获得精确的推荐结果并为结果给出合理的解释，它们是CF 推荐系统中最早被使用也是直至目前最流行的一类模型。为了获得用户对产品的评分预测值，kNN 模型一般包括以下三步：1. 计算相似度这步中计算每对产品之间的相似度（similarity）。一些被广泛使用的相似度
2014-01-08 18:49:18
5624
1
转载 KL距离（Kullback-Leibler Divergence）
KL距离，是Kullback-Leibler差异（Kullback-Leibler Divergence）的简称，也叫做相对熵（Relative Entropy）。它衡量的是相同事件空间里的两个概率分布的差异情况。其物理意义是：在相同事件空间里，概率分布P(x)的事件空间，若用概率分布Q（x）编码时，平均每个基本事件（符号）编码长度增加了多少比特。我们用D（P||Q）表示KL距离，计算公式如下：
2014-01-03 17:29:58
2075
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人