![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
昵称为空啊
这个作者很懒,什么都没留下…
展开
-
推荐算法
来源:http://blog.csdn.net/weichaohnu/article/details/8736977 得益于neflix的百万大奖,再加上现在百度的电影评分推荐大赛,现在推荐算法异常火热。在Andrew教授的机器学习公开课里有一章讲的就是recommendationsystem。之前对于推荐系统的了解仅限于此,三月份百度的电影信息推荐比赛出来之后,转载 2015-03-17 23:23:38 · 542 阅读 · 0 评论 -
PageRank
前言 这系列的文章主要讲述2006年评出的数据挖掘10大算法(见图1)。文章的重点将偏向于算法的来源以及算法的主要思想,不涉及具体的实现。如果发现文中有错,希望各位指出来,一起讨论。 图1 来自IDMer的文章 在这些算法中,最引人注目的自然是Google转载 2015-03-18 20:22:41 · 636 阅读 · 0 评论 -
机器学习之&&SVM支持向量机入门:Maximum Margin Classifier
概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯 0. 前言 这是一篇SVM的入门笔记,来自我对PlusKid、JerryLead、July等大神文章的拜读心得,说是心得还不如说是读文笔记,希望在自己理解的层面上给予SVM这个伟大的机器学习算法概要介绍,让更多的热爱机器学习的伙伴们进入到SVM的世界。PS:文章会以问答的形式为主要结构。 1.概念转载 2014-12-15 20:44:24 · 680 阅读 · 0 评论 -
矩阵奇异值分解(SVD)及其应用(转)
转载自caiye917015406博主 一、奇异值与特征值基础知识: 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系,我在接下来会谈到,特征值分解和奇异值分解的目的都是一样,就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧: 1)特征值: 如果说一个向量v是方阵A的特征向量,将一定可以表示成下面的形式:转载 2015-09-10 11:13:02 · 690 阅读 · 0 评论 -
SVD在推荐系统中的应用详解以及算法推导
转载请声明出处http://blog.csdn.net/zhongkejingwang/article/details/43083603 下面开始介绍SVD算法,假设存在以下user和item的数据矩阵: 这是一个极其稀疏的矩阵,这里把这个评分转载 2015-09-10 18:58:31 · 7288 阅读 · 0 评论