![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
super_chiry
rs, ml, dl, 驱动开发
展开
-
推荐系统中的特征工程
文章目录推荐系统中的特征工程1. 构建特征工程需要遵循的基本原则2. 推荐系统中的常用特征2.1 用户行为数据2.2 用户关系数据2.3 属性,便签类数据2.4 内容类数据2.5 上下文信息2.6 统计类信息2.7 组合类特征3. 常用的特征处理方法3.1 连续型特征3.2 类别型特征4. 特征工程与业务理解推荐系统中的特征工程机器学习模型的学习能力边界在于数据的拟合和泛华,数据的表达以及特征工程本身决定了机器学习的上限。为构建一个“好”的特征工程,需要依次解决三个问题:构建特征工程需要遵循的基本原原创 2020-08-23 23:26:31 · 476 阅读 · 0 评论 -
推荐系统眼中的你---用户画像
用户画像我们已经进入到互联网的下半场,增长的动力来自数据驱动。而数据分析的出发点,来自于对用户行为及需求的洞察。如何将用户标签化以便推荐系统能够推荐合适的内容给用户是用户画像的重点。用户画像的准则我们需要解决三个问题:都是谁从哪来到哪去Step1、统一标识:用户唯一标识是整个用户画像的核心Step2、给用户打标签:用户标签的4个维度Step3、基于标签指导业务:业务赋能的3个...原创 2020-04-16 20:57:51 · 252 阅读 · 0 评论 -
强化学习与推荐系统
强化学习简介强化学习(Reinforcement Learning):机器学习的一个分支:监督学习、无监督学习、强化学习强化学习的思路和人比较类似,是在实践中学习比如学习走路,如果摔倒了,那么我们大脑后面会给一个负面的奖励值 => 这个走路姿势不好;如果后面正常走了一步,那么大脑会给一个正面的奖励值 => 这是一个好的走路姿势与监督学习的区别,没有监督学习已经准备好的训练数...原创 2020-02-23 18:49:09 · 4097 阅读 · 0 评论 -
Learning to Rank(LTR, Pointwise,Pairwise,Listwise, NDCG, RankNet, ranklib)
LTR介绍以及排序算法与工具使用原创 2019-12-22 18:25:44 · 1502 阅读 · 0 评论 -
因子分解机(FM,FFM,DeepFM,libfm,xlearn)
因子分解机MF的局限性以及因子分解机在之间的博客中具体描述了矩阵分解在推荐系统的应用,介绍了funkSVD,BiasSVD,SVD++等算法,这些算法的思想是将rateing矩阵分解为user矩阵和item矩阵的乘积。但是在实际的推荐系统中,除了user和item特征,还有很多其他特征也需要加以应用,实际中一个预测问题包含的特征维度可能很多,因此有了后来的FM,FFM以及与DNN结合的dee...原创 2019-11-17 22:39:15 · 640 阅读 · 0 评论 -
推荐系统中的矩阵分解(一)(ALS,SVD,BiasdSVD,SVD ++,surprise工具)
推荐系统中的矩阵分解(一)(SVD,BiasdSVD,SVD ++)矩阵分解在推荐系统中的位置什么是矩阵分解功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLo...原创 2019-11-10 13:29:09 · 5252 阅读 · 0 评论