推荐系统【Coursera 斯坦福 机器学习】

本文介绍推荐系统的两种方法:基于内容的推荐系统和协同过滤。通过实例解释了如何根据用户喜好和歌曲特征进行预测,并讨论了协同过滤在确定特征值中的作用。此外,还提到了针对新用户的平均归一化处理方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文基于Coursera 斯坦福吴恩达机器学习课程

谢绝任何不标记出处的转载

如有问题请联系作者


1. 问题阐述

推荐系统是机器学习中一个非常非常广泛的应用。它的本质是一个补缺问题。

举个栗子,如下图所示,最左边给出了七首歌,第一行为四个用户,我们需要通过用户已经打分出的歌曲,来推断其未打分的歌曲,以此来做推荐。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值