自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 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 15:54:48 416

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 15:38:55 617

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 17:58:37 254

原创 DataFrame通过sklearn做数据预处理

以下不会出现warning:import numpy as npimport pandas as pdfrom sklearn.preprocessing import MinMaxScalerfrom sklearn.preprocessing import Binarizert = pd.DataFrame({ 'A': [1, 1, 2, 2, 3], 'B':

2017-08-20 16:55:45 2226

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

提示
确定要删除当前文章?
取消 删除