学习笔记(07):Python机器学习进阶实战视频教学-音乐推荐任务概述

立即学习:https://edu.csdn.net/course/play/10085/215017?utm_source=blogtoedu

 

1、协同过滤（基于用户/基于商品）缺点就是得到的矩阵稀疏；另外计算相似性时，要逐个去比对，计算量太大。但是基于商品的相对计算量小点。

、基于矩阵分解的好处：原始数据太庞大，用类似矩阵分解的方式进行降维——计算起来就方便了

3、我们这里实践采用的是：基于商品的协同过滤 +基于SVD矩阵分解做推荐（高效）

4、代码：统计每个用户的播放总量：

4.1、play_count当前播放次数，output_dict[user]这个用户以前的播放次数，两个数值加和

4.2、DataFrame：

https://www.jianshu.com/p/8024ceef4fe2