让一让的博客

python2.7>>>json.dumps(x.values())'[{"name": "Michael"}, {"name": "Mark"}]'不同之处在于values方法返回的结果：# Python 2.7.10>>> x.values()[{'name': 'Michael'}, {'name': 'Mark'}]# Python 3.6.0>>> x.values()dict_values([{'name':..

emmmm本篇博客主要写了，自己阅读的一些论文，做了一些笔记，主要是记录。基于深度随机游走的协同过滤推荐算法_刘靖凯推荐算法：召回和排序召回步骤常用的算法有协同过滤算法、隐语义算法常用的协同过滤算法有基于用户的协同过滤算法和基于物品的协同过滤算法，基于用户的协同过滤算法通过推荐与用户兴趣相近的其他用户感兴趣的物品，从而达到精确推荐的目的。协同过滤算法和基于模型的推荐算法结合，来提高推荐算法的性能？？？？可以研究为了保持模型的时效性，一些在线学习的模型通过学习新产生的用户行为数

MoviesLens数据集介绍以（ml-20m为例）主要有以下文件：ratings.csv和tag.csv中的用户id是一致的。ratings.csv、tag.csv、movies.csv、link.csv中的用户id是一致的。ratings.csv评级数据文件该文件中的行首先按userId排序，然后在user中按movieId排序。评分采用五星制，以半星递增（0.5星-5.0星）。时间戳表示自1970年1月1日午夜协调世界时（UTC）起的秒数tag.csv标记数据文

简单回归，从名字我们就可以看出来这是一个简单的回归方法，在这个实例中我们通过对房屋的价格预测来学习这个方法。简单回归，通过给出的一个输出，为预测的输出拟合出一条直线。假设：我们现在有了两个数据点，房屋的面积以及房屋的价格，我们可以将房屋的面积当作X（输入数据），把房屋的价格当作Y（输出数据）。现在我们有数据文件simple_regression_data.csv，文件中主要有两个数据，不同的厂商在不同时间采购的金属的体积与价格。在这个实例中我们，可以把采购的金属的体积作为X（输入数据），采购的金属的价格Y

DB定义字节类型变量，一个字节数据占1个字节单元，读完一个，偏移量加1DW定义字类型变量，一个字数据占2个字节单元，读完一个，偏移量加2DD定义双字类型变量，一个双字数据占4个字节单元，读完一个，偏移量加4...