![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
排序算法
Whu_Xcy
这个作者很懒,什么都没留下…
展开
-
排序算法 之 冒泡算法
一、 冒泡算法: 冒泡排序(Bubble sort)是一种简单直观的排序算法,依次访问要走过的序列,依次比较两个元素,如果他们的顺序错误就交换过来。重复上述操作直到没有再需要交换的元素,若从小到大排序,每次最大的元素都会“沉底”。二、算法步骤:1) 比较相邻元素,如果第一个比第二个大,就交换两个元素2) 对每对元素做相同的工作,从开始第一对到最后一对,此时最原创 2016-10-22 14:20:04 · 440 阅读 · 0 评论 -
推荐系统——前言
用户数据的获取 一般是日志Log , 网页的浏览以及反馈。用户行为的分析 用户的行为符合:“长尾分布”。推荐算法基于用户的协同过滤算法基于物品的协同过滤算法数据集 GroupLens提供的MovieLens数据集。实验 离线的实验设计一般如下: 将用户行为数据均匀分为M份,挑选一份作为测试集,剩下的M-1作为训练集。在训练集中建立用户的兴趣模型,并在测试机上对用户进行预测,统原创 2017-07-18 14:58:59 · 739 阅读 · 0 评论 -
推荐算法——冷启动问题
冷启动问题:用户冷启动:如何给新用户做个性化的推荐物品冷启动:如何将新物品推荐给可能感兴趣的用户系统冷启动:如何在新开发的网站上(无历史用户无历史物品)设计个性化推荐系统解决方案汇总:提供非个性化的推荐:首先推荐热门排行榜,收集到一定的信息之后再切换为个性化推荐粗粒度个性化:根据用户注册时提供的年龄性别等社交账号:授权社交网路账号,导入好友信息,给用户推荐好友喜欢的物品登录反馈:用户在登录的时候原创 2017-07-23 10:19:20 · 5893 阅读 · 0 评论 -
推荐算法——基于上下文的推荐
将时间信息和地点信息建模到推荐算法中,从而让推荐系统能够准确的预测用户在某个特定时刻以及特定地点的兴趣。本文中主要考虑时间因素: 在给定时间信息后,推荐系统从一个静态系统变成了一个时变的系统,用户的行为数据也变成了一个时间序列。此时用户的数据集变为(u,i,t)(u,i,t):用户u在时刻t对物品i产生过行为。时间建模信息的方法有如下几种: 最近最热门: 在没有时间信息的数据集中,我们可以给用原创 2017-07-29 10:09:03 · 5468 阅读 · 0 评论