bigData1994pb的博客

1.逻辑回归 线性回归表面上看是“回归问题”， shi

import torchfrom torch.autograd import Variableimport matplotlib.pyplot as pltimport numpy as npimport torch.nn as nnimport torch.optim as optim# step1:制造数据集x_train = np.array([[3.3],[4.4],[5.5],[6.71],[6.93],[4.168],[9.779],[6.182],[7.59],[2.167].

一、隐语义模型 将用户和物品都转化为隐语义，将这两个通过隐语义进行组合，我们需要做的是通过数据出发，进行个性化的推荐

一、相似度计算方法1.1欧几里得距离（欧氏距离） 最初用于计算欧几里德空间中两个点的距离，假设 x，y 是 n 维空间的两个点，它们之间的欧几里德距离是： 可以看出，当 n=2 时，欧几里德距离就是平面上两个点的距离。当用欧几里德距离表示相似度，一般采用以下公式进行转换：距离越小，相似度越大。 类名：EuclideanDistanceSimilarity 原理：利用欧式距离d定义的相似度s，s=1 / (1+d)。 范围：...