极度视界

本文根据Andrew Ng的Machine Learning的课写就。 =======================================一、预测电影评分========================================== 全文以“预测电影评分”例子展开 r(i,j)=0则表明user_j没有对movie_i 没有评分， 推荐系统要做的就是通过预测use

在上一篇文章推荐系统—影视评分预测中提出了，几点思考： =============================一、theta/x的意义？============================= 首先是模型：以下的model1/model2都把user想简单了 （1）model1：给定x=(romance,action)，回归优化theta。 首先模型就给x赋予了意义(movi

在Coursera上跟了 明尼苏达大学《Introduction to Recommender Systems》的课， 课程的编程作业 老师提供的模板是JAVA，由于主要是用C++，对于JAVA只是简单的翻过一本书， 编程作业 都是用python 来自己搭建整个框架 Program Assignment 3的作业 做出的结果更 样例输出 不一样，debug一遍代码觉得没有问题；

课程 Python代码： __author__ = 'LiFeiteng(Email: lifeiteng0422@gmail.com)' # -*- coding: utf-8 -*- import numpy as np class UserUserRec: def __init__(self): self.U = 0 # user number self.M = 0 #