推荐系统
文章平均质量分 92
记录推荐系统学习历程
Huranqingqing
这个作者很懒,什么都没留下…
展开
-
推荐系统--基于用户的协同过滤算法(UserCF)
推荐系统–基于用户的协同过滤算法(UserCF)基本概念基本思想:向用户 uuu 推荐时,我们可以先找到和 uuu 相似的用户集合 NuN_uNu,然后把这些用户喜欢的物品,但 uuu 没有看过的物品推荐给他。步骤:找到和目标用户相似的用户集合。找到这个集合中的用户喜欢的,且目标用户还没有听说过的物品,然后推荐给目标用户。步骤1 - - 找相似用户为了找到目标用户的相似用户,我们需要计算不同用户之间的相似度。协同过滤算法主要利用行为的相似度计算兴趣的相似度。对于用户 uuu 和 vvv,原创 2022-04-25 18:50:10 · 6005 阅读 · 2 评论 -
推荐系统--协同过滤(Collaborative Filtering)
推荐系统–协同过滤基本思想根据用户 uiu_iui 之前的喜好以及与其兴趣相近的用户 viv_ivi 的喜好给当前用户 uiu_iui 进行推荐。目前较为常用的协同过滤算法是基于邻域的方法,主要包括(我们对这两种算法单独进行描述,具体可见链接):基于用户的协同过滤算法(UserCF):向用户推荐与其兴趣相近的用户喜欢的物品基于物品的协同过滤算法(ItemCF):向用户推荐和它之前喜欢的物品相近的物品对于协同过滤,最重要的就是计算用户之间或物品之间的相似度,我们给出常用的相似性度量。相原创 2022-04-25 18:46:55 · 740 阅读 · 0 评论 -
推荐系统--评估方法和评估指标
推荐系统–评估方法和评估指标评估方法目前推荐系统中常用的评估方法可以分为两大类:离线评估方法在线评估方法离线评估方法离线评估基本思想是,将数据集划分为训练集和测试集,利用训练集得到一个较优的模型,用测试集进行模型评估。按照训练集和测试集的划分方式,主要分为3种:HoldOut 检验它将样本按照 70% - 30% 的比例进行划分,70% 的样本用于训练,30% 的样本用于评估模型优劣。缺点:数据集的划分直接影响评估结果,存在较大的随机性。K-fold 交叉检验它首先将全部样本等比划原创 2022-04-25 18:34:39 · 1672 阅读 · 0 评论 -
推荐系统--MovieLens数据集
推荐系统–MovieLens数据集简介MovieLens 数据集是由 GroupLens 项目组制作的公开数据集。MoveieLens数据集可以说是推荐系统领域最为经典的数据集之一,其地位类似计算机视觉领域里的MNIST数据集。MovieLens数据集MovieLens 是一系列数据集的统称。根据创建时间、数据集大小等划分为若干个子数据集。例如:MovieLens 100K DatasetMovieLens 1M DatasetMovieLens 10M DatasetMovieLens原创 2022-04-23 16:22:59 · 9403 阅读 · 1 评论