![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
大叔爱学习.
所谓至明,不过至专。
展开
-
推荐系统 理论笔记 七(推荐算法 代码实战)
TF-IDF 代码实战原创 2021-11-15 14:43:46 · 358 阅读 · 0 评论 -
推荐系统 理论笔记 六(推荐算法 详解)
用户信息标签化的过程,就是用户画像。特征工程:推荐系统常见的反馈数据基于人口统计学的,是用户的人口统计学信息,而user-cf是基于用户的行为数据。原创 2021-11-13 23:33:50 · 542 阅读 · 0 评论 -
推荐系统 理论笔记 五(机器学习基础—决策树 Kmeans)
无监督学习原创 2021-11-04 22:19:45 · 111 阅读 · 0 评论 -
推荐系统 理论笔记 四(机器学习基础—线性回归)
f(x)=w1x1+w2x2,是三维空间的一条直线。MSE均方误差(平方求和再平均)。最小二乘(least square mehtod)。英文是最小平方的方法。就是求误差平方的最小值问题。注意,因为是线性回归模型,而且损失函数是凸函数,所以可以通过将损失函数求导,2阶凸函数的导数为0的点,就是最小值点。w**2是正数,就是一饿抛物线。开口向上。为什么多元线性回归不用最小二乘法,因为那样的话,计算的公式太复杂了。所以我们使用了梯度下降的算法来求解。...原创 2021-10-23 20:40:53 · 173 阅读 · 0 评论 -
推荐系统 理论笔记 三(机器学习基础—监督学习)
机器学习概念:大量的经验就是大量的数据。本质就是拿到海量数据,然后去构建他的概率分布,最终得到一个逼近真实的分布,就可以达到预测的效果。学习了先进的机器学习,对于机器学习更加理解了。可以参考我的笔记5328 Adavanced Machine Learning。训练集就相当于出了一份模拟题,测试集是最后的考试。我们都是在模拟题上训练,然后去考试中去验证自己的能力。损失函数,顾名思义是一个函数。那么它是关于谁的函数?是模型里面系数的函数。5328的课上老.原创 2021-10-23 19:13:07 · 130 阅读 · 0 评论 -
推荐系统 理论笔记 二 (数学基础)
线性代数微积分梯度是一个向量,向量里的每一个值都是不同自变量(方向)的偏导数。所以的偏导构成的向量,就是梯度。大小就是最快方向的变化值。原创 2021-10-19 14:22:42 · 142 阅读 · 0 评论 -
推荐系统 理论笔记 一 (概述 简介 测评)
东西太多了,我们需要推荐系统。个性化推荐就是你浏览过什么推荐你什么。如果推荐你的是热门内容,那是基于统计的推荐。电子商务和音乐推荐是不同的,比如过你买了某个物品,短期内你是不想再买的,但是音乐不是,是会推荐相同的给你。电商和电影我们都是很专注的,但是音乐不一样,我们都是背景音乐,不需要集中精力。这些特点都会导致它们本身的算法和原则不同。推荐系统一开始要了解用户真正喜欢的内容是什么。推荐系统的基本思想:物以类聚,人与群分当物品的特征和用户的喜爱匹配,就可以推荐了。推荐系统的数据分析.原创 2021-10-19 11:08:23 · 104 阅读 · 0 评论