- 博客(4)
- 收藏
- 关注
原创 推荐系统评测指标
1. 用户满意度 用户作为推荐系统的重要参与者,其满意度是评测推荐系统的最重要指标。但是,用户满意度没有办法离线计算,只能通过用户调查或者在线实验获得。 2. 预测准确度 度量一个推荐系统或者推荐算法预测用户行为的能力。这个指标是最重要的推荐系统离线评测指标,包括: 评分预测 TopN预测 3. 覆盖率 描述一个
2017-10-18 15:54:48 443
原创 推荐系统实验方法
推荐系统实验方法 离线实验 优点:不需要有对实际系统的控制权 不需要用户参与实验 速度快,可以测试大量算法 缺点:无法计算商业上关心的指标 离线实验的指标和商业指标存在差距 用户调查 优点:获得很多体现用户主观感受的指标,相对在线实验风险很低,
2017-10-18 15:38:55 647
转载 用PersonalRank实现基于图的推荐算法
今天我们讲一个下怎么使用随机游走算法PersonalRank实现基于图的推荐。在推荐系统中,用户行为数据可以表示成图的形式,具体来说是二部图。用户的行为数据集由一个个(u,i)二元组组成,表示为用户u对物品i产生过行为。本文中我们认为用户对他产生过行为的物品的兴趣度是一样的,也就是我们只考虑“感兴趣”OR“不感兴趣”。假设有下图所示的行为数据集。 其中users集U={A, B, C},items集
2017-10-17 17:58:37 267
原创 DataFrame通过sklearn做数据预处理
以下不会出现warning: import numpy as np import pandas as pd from sklearn.preprocessing import MinMaxScaler from sklearn.preprocessing import Binarizer t = pd.DataFrame({ 'A': [1, 1, 2, 2, 3], 'B':
2017-08-20 16:55:45 2261
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