- 博客(6)
- 收藏
- 关注
原创 图书推荐系统的推荐算法测试
测试目的1.我们想要确认现在使用的推荐算法到底效果如何,能否达到用户的期望2.由于推荐系统中广泛使用的有三种主要的距离计算方法,分别是pearson相似度,欧氏距离和角距离,这三种算法在推荐系统中都具有良好的使用性,为了测试哪种距离计算方法是最适合这个图书推荐系统的,我们进行一次测试测试方法这次测试的基本思想如下:我们的推荐系统以及可以通过协同过滤算法推测某个用户对一本未读过书
2017-12-06 13:28:03 12299 2
原创 机器学习实战 Kmeans
from numpy import *from blaze import infdef loadDataSet(filename): dataMat=[] fr=open(filename) for line in fr.readlines(): curLine=line.strip().split('\t') fltLine=[flo
2017-12-03 17:56:06 429 1
原创 机器学习实战 树回归
from numpy import *import matplotlib.pyplot as pltdef loadDataSet(filename): numFeat=len(open(filename).readline().split('\t'))-1 dataMat=[] labelMat=[] fr=open(filename) for l
2017-12-03 15:10:09 247
原创 机器学习实战 回归
from numpy import *import matplotlib.pyplot as pltdef loadDataSet(filename): numFeat=len(open(filename).readline().split('\t'))-1 dataMat=[] labelMat=[] fr=open(filename) for l
2017-12-02 21:15:19 327
原创 机器学习实战 adaBoost
from numpy import *from blaze import inffrom scipy.cluster.hierarchy import weighteddef loadSimpData(): dataMat=matrix([[1.,2.1],[2.,1.1],[1.3,1.],[1.,1.],[2.,1.]]) classLabels=[1.0,1.0,-
2017-12-02 14:49:30 440
原创 机器学习实战(5)逻辑回归
from numpy import *def loadDataSet(): dataMat=[]; labelMat=[]; fr=open('C:/Users/xuwei/Desktop/机器学习/机器学习实战(pdf版+源码)/machinelearninginaction/Ch05/testSet.txt') for line in fr.readline
2017-12-01 10:02:45 697
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