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

 

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