机器学习-【10】推荐系统(协同过滤算法模型)【手抄笔记】

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习项目-基于协同过滤的的商品推荐系统python源码+项目说明+数据.zip 【资源介绍】 该项目是个人毕设项目,答辩评审分达到95分,代码都经过调试测试,确保可以运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 协同过滤 我们限定一下范围,假设现在给你一个用户-商品的评分矩阵(1~5),矩阵中的每个数代表用户对该商品的喜爱程度,问如何设计一个推荐系统 这个问题的本质就是对用户对商品的评分进行预测,将预测评分高的商品推荐给用户,这里我们用到的算法就是协同过滤 协同过滤有两个维度:商品维度:将与该用户喜爱的商品相似的商品推荐给用户,也就是说与用户最喜欢的商品最相似的商品评分最高;用户维度:将与该用户相似的用户喜爱的商品推荐给用户。问题进一步转化成如何衡量商品或者用户的相似性的问题 用户的相似性:两名用户对同一件商品的打分越接近,两名用户越相似 商品的相似性:同一位用户对两件商品的打分越接近,两件商品越接近 这边深入研究一下商品相似性导向的推荐算法的做法,用户相似性其实就是转置一下的事 对商品的相似度度量有多种办法,这边我们选取余弦相似度 获取数据 矩阵相乘就是评分 `def get_marked(self):`获取有评分的数据 + `def first_normalizer(self)`:由于数据稀疏,根据用户的评分情况构造权重矩阵,将所有不能处理的数据用3代替 + `def compute_MAE(self):`将正确标签回代后根据MAE(绝对平均误差)评价 权重计算,@nb.jit()是numba的修饰器,可以用来加速python的计算,在本函数中加速了600倍 每次迭代时:复制评分矩阵,将正确数据待会,计算相似度和评分,归一化,计算MAE 【备注】更多详情介绍请看资源中的项目说明

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值