DellTower的博客

[免责说明：本文是翻译文章，原文链接见文末。本文翻译并未按照原文逐字翻译，而是在我理解的基础上做了修改，中括号内文字是本人自行添加。本文翻译是在Google翻译的基础上做了增删，望包涵。][文章说明：我最近在作视频推荐方面的工作，查询资料时偶尔看到这篇paper。很多博客说的比较含糊，本着细节决定成败的理念，抽时间翻译了它，作为自己的参考。][文章大意：这篇paper概述了2010年的youbub...

推荐系统入门总结第2章协同过滤推荐2.1基于用户的最近邻推荐2.1.1基于用户的最近邻推荐（user-basednearest negibor recommendation）1、算法步骤和假设step1:给定用户-物品的二维矩阵（元素是用户对物品的评分）和用户标识作为输入step2:找出与当前用户过去有相似偏好的用户（最近邻）step3:对当前用户没有见过的物品p，利用最近邻用户对p的评分计算当前...

ALS算法使用总结说明一、算法流程最近终于把ALS算法上线了，前前后后整了一个半月，现在把这个经历记录下。我的目的是利用ALS算法做视频推荐，当然这只是作为其中一个算法。为了达到这个目的，我经过分析之后，使用下面的流程。1、接收视频的请求2、获取用户的历史记录（包括用户观看历史、点赞的视频、分享的视频、评论的视频）3、根据历史记录中的视频获取相似视频4、权重排序5、返回...

ALS算法原理和在音乐推荐上的应用ALS（Alternating least squares，交替最小二乘法）本来是一种数学上的优化方法，自从有人用它在Netflix大赛中使用于推荐系统，并获得冠军后，逐渐被用在各个行业的推荐系统中。一、ALS推荐算法的原理1.1 矩阵分解ALS推荐算法是基于矩阵分解的一种方法。先看矩阵分解的含义。推荐所使用的数据可以抽象成一个[m,n]的矩阵...

逻辑回归中的优化算法总结一假设我们有m个数据对(x,y)，且数据x的维度为n的自变量，y为离散型因变量。在逻辑回归中，我们的任务通常是训练出一个多项式函数，其中w0等为未知常数，被称为权重，所有权重记为。（这个是线性回归的多项式函数，逻辑回归还需要一个sigmod函数进行压缩）我们通过这个多项式函数来拟合已有的数据对应关系（x,y)，通常用如下公式来计算两者的差异和拟合程度。因为在数据...

感知机模型是二类分类的线性分类模型。感知机对应于输入空间中将实例划分为正负两类的分离超平面，利用梯度下降法对损失函数进行极小化，求得感知机模型。1、模型定义加入输入空间（特征空间）是，输出空间是{+1,-1}。输入x表示实例的特征向量，对应于特征空间的一个点，输出y表示实例的类别。输入空间到输出空间由如下函数定义：                                    ...

歌词分析浅析最近正在考虑新歌推荐的问题，突然想起了一直没有处理过的对象-歌词，想利用歌词做点什么，没什么目的，尝试了歌词分词，歌词相似度计算、歌词分类、word2vec歌词聚合、查找相似歌曲，最终收获了一个根据歌词产生类似歌曲的方法。一、歌词预处理歌词数据源是某音乐网站top1万的歌曲的歌词。歌词文本的一种格式是lrc格式，其中时间用[]隔开，歌词解析器根据时间来解析。原始格式和展...

朴素贝叶斯分类方法用于歌词分析一、朴素贝叶斯分类器在机器学习中、朴素贝叶斯分类器是一系列以假设特征之间强独立下运用贝叶斯原理为基础的简单概率分类器。这种分类器的特点是简单，见效快，但是准确率也低。实际上独立假设常常是不准确的，但是各类条件特征之间的解耦意味着每个特征的分布都可以独立地被当做一维分布来估计。这样减轻了由于维数灾难带来的阻碍，当样本的特征个数增加时就不需要使样本规模呈指数增长。...

LR总结二--特征工程上篇总结了LR的理论，这篇总结使用LR时关于特征工程方面的知识。主要从特征来源、特征选择、特征处理几个方面总结。我所面对的任务是训练一个LR模型来预测用户对歌曲的喜爱与否。一、特征来源一般情况下模型所需要的特征来自于两个方面，1：和业务相关的原始特征，2：通过其他模型提取的高级特征。针对我的问题，第一种来源的特征就有很多，比如歌曲的相关信息（歌曲名，歌手名，歌...