机器学习
享受旅行中的VIP快乐
这个作者很懒,什么都没留下…
展开
-
python联合两个表数据(两个表中共有的数据)
# 删除rating_add_user中图谱kg中没有出现的item信息def user_rating(): ftele1 = open("./mvlens.txt", 'rb') ftele2 = open("./item_index2entity_id.txt", 'rb') # f1line = ftele1.readline() # 是否跳过第一行表头 # f2line = ftele2.readline() lines1 = ftele1.readlines(原创 2020-12-09 20:45:49 · 726 阅读 · 0 评论 -
知识图谱和推荐系统-知识图谱的优势和融合方法
本文参考微信公众号- 微软研究院AI头条-上面的部分文章,仅用于参考学习笔记,想了解更多信息的可以关注公众号推荐系统 传统的推荐系统只使用用户和物品的历史交互信息(显式或隐式反馈)作为输入,这会带来两个问题:一,在实际场景中,用户和物品的交互信息往往是非常稀疏(sparse)的。例如,一个电影类APP可能包含了上万部电影,然而一个用户打过分的电影可能平均只有几十部。使用如此少量的已观测数据来预测大量的未知信息,会极大地增加算法的过拟合(overfitting)风险;二,对于新加入的用户或者物品,由.原创 2020-05-29 18:08:52 · 4024 阅读 · 0 评论 -
IndexError: list index out of range
问题描述在处理表格数据是根据’\t’划分数据,报错范围超界 for line in file: array = line.strip().split('\t') head_old_user = array[0] relation_old_user = array[1] tail_old_user = array[2] # ...原创 2020-04-17 19:56:30 · 327 阅读 · 0 评论 -
conda环境下tensorflow、python、numpy以及各种包的快速安装
tensorflow的快速安装pip install tensorflow -i https://pypi.douban.com/simple原创 2020-04-01 12:46:37 · 1283 阅读 · 0 评论 -
基于机器学习的服装搭配问题分析
目前,市面上也有很多关于用户行为进行推荐的软件,这些软件虽然会根据用户的购买行为进行产品推荐,不过推荐的效果不是很好,特别是在搭配推荐领域,就显得十分的粗糙。对于时尚而言,没有百分百的时尚界限,每个人对时尚的理解以及自己的喜好都会对搭配是否成功产生影响,那么怎么判定服装智能搭配算法的可行度呢?在国外会有很多关于时尚的网站,这些都是现在市面上认可的多家时尚公司,而他们的服装搭配就可以代表当前的服装流...原创 2020-01-06 15:34:04 · 3837 阅读 · 3 评论 -
机器学习常用的算法和名词
“余弦相似度、ELM、Siamese network、k-means”余弦相似度两个向量间的余弦值可以通过使用欧几里得点积公式求出:给定两个属性向量,A和B,其余弦相似性θ由点积和向量长度给出,如下所示:这里的分别代表向量A和B的各分量。给出的相似性范围从-1到1:-1意味着两个向量指向的方向正好截然相反,1表示它们的指向是完全相同的,0通常表示它们之间是独立的,而在这之间的值则表示中间...原创 2019-12-28 20:12:54 · 591 阅读 · 1 评论 -
深度学习-卷积神经网络ppt(2)
原创 2019-12-04 19:08:42 · 705 阅读 · 0 评论 -
BP算法的反向传播和权值修正(1)
1.BP神经网络算法:2.权值和阈值修正:BP神经网络典型结构:(1)信号的前向传播过程:隐含层第i个节点的输入neti:隐含层第i个节点的输出yi:输出层第k个节点的输入netk,k=1:输出层第k个节点的输出ok ,k=1:(2)误差的反向传播过程:误差的反向传播,即首先由输出层开始逐层计算各层神经元的输出误差,然后根据误差梯度下降法来调节各层的权值和阈值,使修改...原创 2019-11-01 14:32:33 · 5329 阅读 · 0 评论