![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 70
qq_23617681
这个作者很懒,什么都没留下…
展开
-
算法模型好坏、评价标准、算法系统设计
算法模型好坏的评价通用标准:1、解的精确性与最优性。基于正确性基础上。2、计算复杂度,时间成本。3、适应性。适应变化的输入和各种数据类型。4、可移植性。5、鲁棒性。健壮性。 鲁棒性(robustness)就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说,计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下,能否不死机、不崩溃,就是该软件的鲁棒性。所谓“原创 2016-05-15 17:44:26 · 10788 阅读 · 0 评论 -
电子商务网站商品推荐案例分析
本案例的主要目的是通过分析用户和网站数据,使用数据挖掘技术,分析老客户忠诚度下降的原因。建立客户忠诚度模型,提高其忠诚度。一、分析方法和过程数据来源:客户信息、交易信息分别存放在网站数据库的客户表、订单表、订单明细中。数据抽取:去除不需要的电话、身份证等不重要信息,抽取重要信息,如反应客户个人身份背景、学历等反应其交易心理的相关信息。数据转换:将抽取的信息转换成能被数据原创 2016-05-20 10:46:59 · 4044 阅读 · 0 评论 -
百分点推荐引擎——需求与架构——案例分析
百分点推荐引擎,实现了多种推荐算法,适应不同商务网站对不同推荐结果的要求。为了设计大数据下、高可用高可靠、实时、可扩展、便于管理的推荐系统引擎。百分点设计了如下推荐系统架构。主要分4大部分:存储层、算法层、业务层、管理层。存储层:存储用户原始浏览数据、用户数据、网站数据,作为算法层的基础数据。算法层:核心关键部分,根据业务层不同需求,从存储层获取不同数据,调用不同算法,或者混合原创 2016-05-20 11:10:56 · 1073 阅读 · 0 评论