推荐

最新推荐文章于 2024-08-13 10:55:06 发布
最新推荐文章于 2024-08-13 10:55:06 发布
阅读量357 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liz_zhong/article/details/49564651
版权
机器学习的5种兵法：

http://dy.qq.com/article.htm?id=20151027A00CC700


应用机器学习的建议学习笔记

http://blog.jobbole.com/85680/

荔枝童鞋
关注
专栏目录
从“数据飞轮”到质量度量：美团推荐系统的精细化质量管理实践
张彦峰的博客
11-11 3万+
美团到店综合业务的推荐系统是其关键技术组件，旨在通过智能化方式高效匹配用户需求与多元化本地服务，能够涵盖到综业务中的各个行业，包括但不限于洗浴、KTV、美业、医美、亲子、结婚、运动健身、玩乐、教育培训、家居、宠物、酒吧、生活服务等。这要求推荐系统具有良好的扩展性和适应性，能够处理多样化的业务类型和用户需求。在美团到店综合业务中，推荐系统扮演着关键的角色，是实现供给和需求高效匹配的重要环节。其作用类似于一座智能的桥梁，连接用户的需求与各类本地服务，确保用户能够迅速而准确地找到符合其期望的服务。
打造高效推荐系统：用户冷启动与物料冷启动的双重突破
程序边界
06-30 5519
推荐系统中的冷启动分为物料冷启动和用户冷启动。用户冷启动主要是针对新用户，但有时候也用于低活用户拉活。物料冷启动主要是让优质物料得到快速下发，让模型可以迅速捕获到用户对该物料的关注。本文将详细讲解用户冷启动和物料冷启动。
【粉丝福利社】《推荐系统全链路设计：原理解读与业务实践》（文末送书-进行中）
时光隧道
06-28 3万+
推荐系统中的冷启动分为物料冷启动和用户冷启动。用户冷启动主要是针对新用户，但有时候也用于低活用户拉活。物料冷启动主要是让优质物料得到快速下发，让模型可以迅速捕获到用户对该物料的关注。本文将详细讲解用户冷启动和物料冷启动。
AIGC引领未来：搜索引擎、广告系统与推荐系统的重塑与革新
最新发布
程序边界
08-13 1万+
搜广推策略产品经理——互联网大厂搜索+广告+推荐案例》通过通俗易懂的语言和生动形象的案例向读者介绍互联网大厂的搜广推产品技术体系和前沿的 AI 技术应用，是一本兼具 AI 技术理论和行业策略优化实践的工具书。本书分为 6 章，第 1 章介绍 AI 时代下的新型产品经理岗位——策略产品经理；第 2 章介绍策略产品经理必备的机器学习基础知识；第 3、 4、 5 章分别介绍当前互联网大厂的推荐场景、搜索场景和广告场景里的先进策略产品设计以及落地应用效果；
推荐系统研究综述
王斯的博客
03-04 7313
1.前言 推荐系统（recommendation system，RS）是数据挖掘、预测算法、机器学习等多种学科结合而成的一个新的研究领域。 1.1 应用 推荐系统可以有效的对信息进行过滤和筛选，帮助用户以个性化的方式来检索符合其需求的信息资源，以此来达到缓解信息过载的问题。目前已经应用于教育、音乐、电子商务、社交网络等领域 2.传统的推荐算法 数学定义： cp′=arg maxf(p,c),∀p∈Pc_p^{'}=arg \space maxf(p,c),\forall p\in Pcp′​=
【推荐系统】召回指标NDCG
littlemichelle
06-29 3165
无
大模型放进推荐系统怎么玩儿？先来聊聊推荐系统
m0_75058342的博客
04-19 2260
大模型放进推荐系统怎么玩儿？先来聊聊推荐系统 什么是推荐系统 推荐系统解决了哪些问题 推荐系统的应用领域 常用的推荐算法 基于内容的推荐算法 协同过滤算法 如何系统学习推荐系统
学Python该看什么书？所有方向的精华好书推荐，20年老程序员倾囊相授
热门推荐
龙叔的博客
07-21 5万+
Python所有方向性价比最高的书籍推荐！
【推荐系统入门到项目实战】：关联规则之Apriori算法（含代码实现）
阿里云专家博主、数据科学领域优质创作者、统计er在读
10-24 3万+
关联规则学习的官方定义（英语：Association rule learning）是一种在大型数据库中发现变量之间的有趣性关系的方法。它的目的是利用一些有趣性的量度来识别数据库中发现的强规则。基于强规则的概念，Rakesh Agrawal等人引入了关联规则以发现由超市的POS系统记录的大批交易数据中产品之间的规律性。文章介绍了关联规则的基本理论以及Apriori算法的代码实现
（附源码）python旅游推荐系统 毕业设计 250623
ID3461074420的博客
09-17 7991
注册账号：用户填写个人信息，并验证手机号码。 浏览景点：用户可以根据景点类型浏览景点的信息，并选中某个景点查看详情，例如：景点编号、景点名称、所属区域、联系电话、票价、地址、照片等。 浏览评论信息：选中某个景点可查看其用户的评论。 已注册用户的功能如下： 登录：根据账号密码进行登录操作。 维护个人信息：用户因个人信息的变更可以随时修改自己注册信息。 浏览评论信息：选中某间景点可查看其用户的评论。 景点购票：用户根据自己的需求选中某个景点进行购票操作。 查看历史购票单：用户可以查看自己以往购票的信息。 评论：
基于大数据的音乐推荐系统（适合本科毕设）
02-02
《基于大数据的音乐推荐系统——探索本科毕设的实践路径》 在当今信息化社会，大数据技术已成为各行各业不可或缺的工具，特别是在个性化推荐领域，其影响力日益显现。本项目以“基于大数据的音乐推荐系统”为主题，...
基于java的推荐系统实现源代码
03-20
推荐系统是大数据时代的一种关键技术，它能够根据用户的历史行为、兴趣偏好等信息，为用户提供个性化的产品或服务推荐。本项目“基于Java的推荐系统实现源代码”提供了多种推荐算法的Java实现，帮助开发者深入理解并...
基于知识图谱的推荐系统项目完整代码（附带数据集）
03-20
在这个基于知识图谱的推荐系统项目中，开发者提供了一整套完整的代码，旨在利用知识图谱的特性来改进传统的推荐算法。项目的核心是通过知识图谱嵌入技术，将用户、物品、以及它们之间的关系转化为低维向量表示，从而...
使用Java原生jdk实现的协同过滤推荐系统
12-01
协同过滤推荐系统是一种广泛应用于个性化推荐的技术，它主要基于用户的行为和喜好来预测他们可能对哪些物品感兴趣。在这个“使用Java原生jdk实现的协同过滤推荐系统”中，我们将深入探讨该系统的实现细节以及相关...
实现音乐推荐系统（源代码）
03-01
音乐推荐系统是现代数字音乐服务的核心组成部分，它利用算法分析用户的行为、偏好和历史听歌记录，为用户提供个性化、精准的音乐推荐。本项目提供的源代码包括三个关键文件：`recommendation_engines.py`、`...
pandas数据处理
荔枝童鞋的博客
11-18 1万+
用pandas进行数据分析，对数据预处理，以及简单例子说明 concat 用于将2个DataFrame连接到一起，一般是将训练集与测试集连接在一起对属性值进行预处理。个人感觉这样处理是可以的，因为对属性值的处理一般要求数值越多越好，而且对训练集与测试集的数据预处理要求要是一样的。只要在训练模型的时候讲2者分开就行。 相同列合并到一起，不同时新建列，缺省值为NaN df1 =Da
随机森林小结
荔枝童鞋的博客
11-24 1万+
机器学习中，随机森林是一种组合方法，由许多的决策树组成，因为这些决策树的形成采用了随机的方法，因此也叫做随机决策树。随机森林中的树之间是没有关联的。当测试数据进入随机森林时，其实就是让每一颗决策树进行分类，最后取所有决策树中分类结果最多的那类为最终的结果。因此随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。 随机森林由决策树组成，决策树实际上是将空间用超平面
决策树原理-python实现
荔枝童鞋的博客
05-24 7853
《机器学习实战》 CH3 决策树基本原理与实现。 决策树基本原理可以概括为：通过计算信息增益划分属性集，选择增益最大的属性作为决策树当前节点，依次往下，构建整个决策树。为了计算熵，需要先计算每个属性的信息增益值，通过下面公式计算： 创建数据集： def createDataSet(): dataSet = [ [1, 1, 'yes'], [1, 1
KNN原理-python实现
荔枝童鞋的博客
05-18 3193
《机器学习实战》 KNN-python实现
天猫推荐算法竞赛：快速上手与最热门推荐
"这篇内容主要介绍了天猫推荐算法的竞赛，旨在预测用户在特定时间周期内的购买行为，评估标准是F1-SCORE，包括准确率和召回率。参赛者需要利用提供的用户行为数据来构建用户品牌偏好模型，并进行商品购买预测。数据...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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