kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程

推荐算法具有非常多的应用场景和商业价值，因此对推荐算法值得好好研究。推荐算法种类很多，但是目前应用最广泛的应该是协同过滤类别的推荐算法，本文就对协同过滤类别的推荐算法做一个概括总结，后续也会对一些典型的协同过滤推荐算法做原理总结。1. 推荐算法概述推荐算法是非常古老的，在机器学习还没有兴起的时候就有需求和应用了。概括来说，可以分为以下5种：1）基于内容的推荐：这一类一般依赖于自然语言处理NLP的一些知识，通过挖掘文本的TF-IDF特征向量，来得到用户的偏好，进而做推荐。这类推荐算法可以找到用户独

1763 年，Thomas Bayes 的论文在他死后发表，他所提出的 Bayes 理论将当前概率与先验概率联系起来。因为 Bayes 理论能够帮助理解基于概率估计的复杂现况，所以它成为了数据挖掘和概率论的基础。1805 年, Adrien-Marie Legendre 和 Carl Friedrich Gauss 使用回归确定了天体（彗星和行星）绕行太阳的轨道。回归分析的目标是估计变量之

为了解决毕设，还是要学习一个数据预处理的知识。数据清洗 把逻辑上明显不对的数据样本人为地去除 把缺失过多的字段去除 解决过拟合 增大样本量 增加正则化 数据采样 保证正负样本的均衡性，也就是正负样本比例不可太大，如果样本不均衡，比如10:1，可以把每一份的正样本与负样本形成分类器，最后进行bagging。 特征处理 one-hot编码，比如颜色属性包括红黄蓝，...

train_test_split函数用于将数据集随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)参数解释：t...

注意这里的X是test集中的属性，y是test集中的标签（而不是预测出的结果！！！）

1.从常理来说这种预测的结果应该是0,1，也就是分为欺诈和不欺诈两种，一般衡量指标为accuracy，但是如果这样会有缺点，因为可以预测所有人都是不欺诈的，这时accuracy的值就会很大，但这样的方案无法应用。所以这里把预测的结果写为连续，这样衡量指标就可以主要用ROC，AUC和F1 Score作为衡量指标，也更准确了。2.EDA(Exploratory Data Analysis)探索...