机器学习（十三）——机器学习中的矩阵方法（3）病态矩阵、协同过滤的ALS算法（1）
分类：
编程语言 时间：
2016-12-12 09:56:46
阅读次数：
425
理论原理部分可以看这一篇：http://www.cnblogs.com/charlesblc/p/6109551.html 这里是实战部分。参考了 http://www.cnblogs.com/shishanyuan/p/4747778.html 采用了三个案例，分别对应聚类、回归和协同过滤的算法。 ...
分类：
其他好文 时间：
2016-12-11 12:13:35
阅读次数：
170
搜索推荐，主要有以下几种形式：一、根据人口统计学推荐：此推荐方式需要建立用户模型，并且需要获取用户的具体信息，然后根据矩阵运算，计算相似度，此方式最大缺陷是获取用户的隐私，应用不多； 二、基于内容的推荐：根据特定用户的历史数据，推荐出相似的产品。缺点是需要建立item model,比较费时。 三、基 ...
分类：
其他好文 时间：
2016-11-28 23:46:45
阅读次数：
790
1.平均值 1.1 全局平均值 1.2 用户评分平均值 1.3 物品评分平均值 1.4 用户分类对物品分类的平均值 分类方法： 1.4.1 平均值分类 1.4.2 活跃度/流行度分类 2.基于邻域的方法 2.1 基于用户的协同过滤 2.... ...
分类：
其他好文 时间：
2016-11-24 09:13:08
阅读次数：
267
本文试验前期准备： Sparsity: 6.30% 数据稀疏度：6.3% 分别计算user相似性和item相似性，并输出item相似性矩阵的前4行 预测评分，predict_fast_simple使用NumPy数学函数，计算更块 1 loop, best of 3: 1min 52s per loo ...
分类：
其他好文 时间：
2016-11-09 11:10:31
阅读次数：
498
在新手接触推荐系统这个领域时，遇到第一个理解起来比较困难的就是协同过滤法。那么如果这时候百度的话，得到最多的是奇异值分解法，即（SVD）。SVD的作用大致是将一个矩阵分解为三个矩阵相乘的形式。如果运用在推荐系统中，首先我们将我们的训练集表示成矩阵的形式，这里我们以movielen数据集为例。这个数据 ...
分类：
其他好文 时间：
2016-10-25 02:01:44
阅读次数：
1266
现在假设你有100万个用户，每次对一个用户进行一次推荐时，需要计算100万次距离。如果每一秒需要进行多次推荐的话计算次数会十分巨大，系统会很慢。正式的说话是，基于令居的推荐系统的主要缺点是延迟性太差。 1 ）基于用户的过滤的两个主要问题： 1.扩展性问题： 随着用户数量的增大，计算量会增大，基于用户 ...
分类：
其他好文 时间：
2016-10-23 20:07:34
阅读次数：
271
显式评级：显式评级是指用户显式的给出物品的评价结果，例如直接打分 显式评级存在的问题： 1 用户大多具有懒惰性，不愿意对物品进行评级：例如大部分人对购买的物品不愿意给出评价，这体现了一种用户懒惰行为 2 用户可能撒谎或者只给出部分信息：如果某人克服了懒惰性，真的对物品进行评分，该用户也可能撒谎 3 ...
分类：
其他好文 时间：
2016-10-23 17:28:33
阅读次数：
167
承接上文：
http://blog.csdn.net/wangqi880/article/details/52875524
对了，每台机子的防火墙要关闭哈，不然spark集群启动不起来
前一次，...
分类：
编程语言 时间：
2016-10-22 12:25:47
阅读次数：
405
推荐系统的目标是向用户推荐他没有体验过的那些物品，没体验过的物品有很多，推荐哪一个呢，这需要预测用户对某个物品的评分，评分高的物品被推荐给用户，所以推荐系统的本质其实是一个预测问题。协同过滤会先算用户的相似度，然后把相似用户给物品的评分乘以两者的相似度，作为目标用户对物品的预测评分，预测评分大的加入 ...
分类：
其他好文 时间：
2016-10-17 23:08:36
阅读次数：
153
