推荐系统学习笔记（二）

第2章      推荐系统中的数据挖掘方法

 

数据挖掘的三个步骤：

1、数据预处理

2、数据分析

3、结果解释

 

距离度量方法：

1、欧氏距离

 2、Jaccard距离(1-SIM(x,y))

 3、余弦距离(表示为0到180之间的度数) 

 4、编辑距离(长度之和减去最长公共子序列) 

 5、海明距离(两个向量中不同分量的个数)  

6、马氏距离

 

抽样方法：

n折交叉校验【适应与数据量小，方差大的情况】

 

降维方法：

1、主成分分析(PCA)

2、奇异值分解(SVD)

 

分类方法：

1、最近邻  

2、决策树  

3、基于规则的分类  

4、贝叶斯分类器 

5、人工神经网络 

6、支持向量机

 

评估分类器指标：

1、精确度

2、准确率

3、召回率

 

聚类：

可以提高效率，但不大可能提高精确度，方法有k-means

本文为学习笔记，参考资料为

《推荐系统  技术、评估及高效算法  Recommender System handbook》FrancescoRicci  Lior Rokach  机械工业出版社

欢迎交流与分享