- 博客(4)
- 收藏
- 关注
RSS订阅转载 探索推荐引擎内部的秘密-第 3 部分: 深入推荐引擎相关算法 - 聚类
智能推荐大都基于海量数据的计算和处理，然而我们发现在海量数据上高效的运行协同过滤算法以及其他推荐策略这样高复杂的算法是有很大的挑战的，在面对解决这个问题的过程中，大家提出了很多减少计算量的方法，而聚类无疑是其中最优的选择之一。 聚类 (Clustering) 是一个数据挖掘的经典问题，它的目的是将数据分为多个簇 (Cluster)，在同一个簇中的对象之间有较高的相似度，而不同簇的对象差别较大。聚类
2014-04-16 10:36:49
1286
转载 探索推荐引擎内部的秘密-第 2 部分: 深入推荐引擎相关算法 - 协同过滤
本系列的第一篇为读者概要介绍了推荐引擎，下面几篇文章将深入介绍推荐引擎的相关算法，并帮助读者高效的实现这些算法。 在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。它以其方法模型简单，数据依赖性低，数据方便采集 , 推荐效果较优等多个优点成为大众眼里的推荐算法“No.1”。本文将带你深入了解协同过滤的秘密，并给出基于 Apache Mahout 的协同过滤算法的高效实现
2014-04-16 09:34:10
1367
转载 探索推荐引擎内部的秘密-第 1 部分: 推荐引擎初探
随着 Web 技术的发展，使得内容的创建和分享变得越来越容易。每天都有大量的图片、博客、视频发布到网上。信息的极度爆炸使得人们找到他们需要的信息将变得越来越难。传统的搜索技术是一个相对简单的帮助人们找到信息的工具，也广泛的被人们所使用，但搜索引擎并不能完全满足用户对信息发现的需求，原因一是用户很难用恰当的关键词描述自己的需求，二是基于关键词的信息检索在很多情况下是不够的。而推荐引擎的出现，使用户获
2014-04-15 14:34:56
1134
原创 数据挖掘模型介绍之四：最近邻方法和基于记忆的推理
1． 原理 最近邻方法的基本原理是：距离最近的个体之间是最相似的，会表现出相同的行为。比如，如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 基于记忆的推理算法和协同过滤算法都是基于这个基本思想的。 基于记忆的推理算法，是在过去的个体中，找到和当前样本最相似的一个或者多个个体，用这些个体的结果作为当前样本的预测结果。
2014-04-15 10:58:05
3380
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