Huangxin_Yu的博客

基于领域的协同过滤主要有两种：UserCF、ItemCF基于用户的协同过滤（UserCF）利用用户的相似度来计算用户的相似度step1:找到和目标用户兴趣相似的用户集合，用Jaccard相似度、余弦相似度等相似度计算方法;step2:用户u对物品i的相似度，等价于K个邻居对物品i的兴趣度;step3:把和用户兴趣相同的k个邻居喜欢的物品进行汇总，去掉用户u已经喜欢过的物品，剩下的按照从大到小进行推荐。基于物品的协同过滤（ItemCF）利用用户行为相似度计算物品的相似度：step1:计算物品之

奇异值分解为矩阵分解的一种方法。奇异值分解(SVD)将目标矩阵A，转化为三个矩阵相乘，如下：其中，A为目标矩阵，表示user对item的打分；P为左奇异矩阵，mm维，为User矩阵；Q为右奇异矩阵，nn维，为item矩阵；Λ为对角矩阵，对角线上的非零元素为特征值λ1, λ2, … , λk。thinking：Λ矩阵需要由矩阵A求得，这就需要矩阵A是一个非稀疏矩阵，而现实中，就是因为矩阵A的未知元素太多，我们才做预测并推荐，所以SVD在推荐系统中反而不太使用，但可运用到图片压缩（降维）。SVD图

surprise推荐系统工具surprise推荐系统工具下有很多推荐算法：本文主要讲一下Baseline算法和SlopeOneBaseline算法论文地址：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.476.4158&rep=rep1&type=pdfBaseline算法是一种基于统计基准分数进行预测的算法。bui为预测值；u为均值；bu为用户偏好；bi为商品差异。结合原文进行解释。1.我们知道所有

这里写目录标题前提算法原理前提apriori存在以下不足，每次计算项集都会产生大量的候选项集，使计算资源和储存空间产生浪费。而树模型是一种很好的储存数据的方式，故FPGrowth算法由此而生。FPGrowth算法是优化版的apriori算法。算法原理某家水果店的订单清单如下：购物单号购买的水果1苹果、香蕉、梨2苹果、香蕉、梨、芒果3香蕉、梨、芒果、水蜜桃4苹果、芒果5苹果、芒果、水蜜桃、橘子FPGrowth算法原理：step1：扫描一