关注
分享
学习【推荐系统三十六式】的学习笔记
qq_34732729
这个作者很懒，什么都没留下…
展开
-
推荐系统三十六式——学习笔记（七）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。我在前面已经提到过一个事实，就是推荐系统的框架大都是多种召回策略外挂一个融合排序。召回策略的姿势繁多，前面的专栏文章已经涉及了一部分内容。今天我们继续说融合排序。要深还是要宽融合排序，最常见的就是 CTR 预估，你一定不要把自己真的只局限在 C 上，这里说的 CTR 预估的 C，...原创 2020-01-19 19:19:41 · 1133 阅读 · 4 评论 -
推荐系统三十六式——学习笔记（六）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。从特征组合说起对逻辑回归最朴素的特征组合就是二阶笛卡尔乘积，但是你有没有想过这样暴力组合的问题所在：两两组合导致特征维度灾难； 组合后的特征不见得都有效，事实上大部分可能无效； 组合后的特征样本非常稀疏，意思就是组合容易，但是并不能在样本中找到对应的组合出现，也就没办法在训练...原创 2020-01-15 13:53:02 · 382 阅读 · 0 评论 -
推荐系统三十六式——学习笔记（五）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。为什么要融合？挖掘的工作就是对用户和物品做非常深入的结构化分析，庖丁解牛一样，各个角度各个层面的特征都被呈现出来，并且建好索引，供召回阶段使用，大部分挖掘工作都是离线进行的。接下来就是召回，为什么会有召回？因为物品太多了，每次给一个用户计算推荐结果时，如果对全部物品挨个计算，那...原创 2020-01-15 13:52:44 · 767 阅读 · 0 评论 -
推荐系统三十六式——学习笔记（四）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。4 原理篇之矩阵分解评分预测问题只是很典型，其实并不大众，毕竟在实际的应用中，评分数据很难收集到，属于典型的精英问题；与之相对的另一类问题行为预测，才是平民级推荐问题，处处可见。4.1 矩阵分解4.1.1 为什么要矩阵分解近邻模型的问题：1. 物品之间存在相关性，信息...原创 2020-01-11 16:30:28 · 830 阅读 · 0 评论 -
推荐系统三十六式——学习笔记（三）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。3 原理篇之紧邻推荐3.1 协同过滤要说提到推荐系统中，什么算法最名满天下，我想一定是协同过滤。在很多场合，甚至有人把协同过滤和推荐系统划等号，可见二者的关系多么紧密。协同过滤的重点在于“协同”，所谓协同，也就是群体互帮互助，互相支持是集体智慧的体现，协同过滤也是这般简单直接...原创 2020-01-11 16:29:56 · 881 阅读 · 0 评论 -
推荐系统三十六式——学习笔记（二）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。2. 原理篇之内容推荐做好一个推荐系统，总共分三步：1. 认识每一个用户2. 给他推荐他感兴趣的东西；3. 坐等各项指标上升。2.1 用户画像（User Profile）User Profile 原本用于营销领域。营销人员需要对营销的客户有更精准的认识，从而能够更...原创 2020-01-11 16:29:25 · 1680 阅读 · 3 评论 -
推荐系统三十六式——学习笔记（一）
由于工作需要，开始学习推荐算法，参考【极客时间】->【刑无刀大牛】的【推荐系统三十六式】，学习并整理。1. 概念篇1.1 什么是推荐系统推荐系统：它是一种信息过滤系统，手段是预测用户（User）对物品（Item）的评分和偏好。1.1.1 它能做什么？推荐系统可以把那些最终会在用户（User）和物品（Item）之间产生的连接提前找出来。1.1.2 它需要什么？推荐系...原创 2020-01-11 16:28:42 · 2303 阅读 · 0 评论