推荐系统
文章平均质量分 61
中华骏捷
这个作者很懒,什么都没留下…
展开
-
项亮《推荐系统实践》读书笔记1-推荐系统评价指标
推荐系统评价指标1.评分预测 预测准确度: 均方根误差(RMSE): 平均绝对误差(MAE): 关于这两个指标的优缺点,Netflix认为RMSE加大了对预测不准的用户物品评分的惩罚(平方项的惩罚),因为对系统的评测更加苛刻。研究表明,如果评分系统是基于整数建立的(即用户给的评分都是整数),那么对预测结果取整会降低MAE的误差。2.Top N推荐:给用户一个个性化的推荐列表,预测准确原创 2016-05-11 22:41:17 · 10665 阅读 · 0 评论 -
项亮《推荐系统实践》读书笔记2-推荐系统冷启动问题
推荐系统冷启动问题如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统,就是冷启动问题。冷启动问题主要分为三类: (1) 用户冷启动:如何给新用户做个性化推荐的问题,新用户刚使用网站的时候,系统并没有他的行为数据; (2) 物品冷启动:解决如何将新的物品推荐给可能对它感兴趣的用户; (3) 系统冷启动:如何在新开发网站设计个性化推荐系统,此时网站上用原创 2016-05-11 22:58:17 · 7780 阅读 · 0 评论 -
项亮《推荐系统实践》读书笔记3-利用用户标签数据进行推荐
利用用户标签数据进行推荐推荐系统联系用户和物品的三种方式: (1) 利用用户喜欢过的物品,给用户推荐与他喜欢过的物品相似的物品,也就是ICF算法; (2) 利用与用户兴趣相似的其他用户,给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品; (3) 通过一些特征联系用户和物品,给用户推荐那些具有用户喜欢的特征的物品。这些特征可以是物品的属性集合,也可以表现为隐语义向量。标签是一种重要的特征原创 2016-05-11 23:02:22 · 1341 阅读 · 0 评论 -
使用Python计算物品的流行度和用户所评物品的平均流行度
使用Python计算物品的流行度和用户所评物品的平均流行度计算物品的流行度import numpy as npimport pandas as pdfrom pandas import DataFrame def cal_ItemDegree(): wf = open("filename", 'w') data=pd.read_csv("ml1m",sep='::',index原创 2016-06-29 03:10:47 · 3799 阅读 · 1 评论