摘要: KNN K-Means 目的是为了确定一个点的分类 目的是为了将一系列点集分成k类 KNN是分类算法 K-Means是聚类算法 监督学习,分类目标事先已知 非监督学习,将相似数据归到一起从而得到分类,没有外部分类 训练数据集有label,已经是完全正确的数据 训练数据集无label,是杂乱无章的,经 阅读全文
posted @ 2016-10-10 14:16 赵大寳Note 阅读(21611) 评论(1) 推荐(1) 编辑
摘要: 用Python构建你自己的推荐系统 现如今,网站用推荐系统为你提供个性化的体验,告诉你买啥,吃啥甚至你应该和谁交朋友。尽管每个人口味不同,但大体都适用这个套路。人们倾向于喜欢那些与自己喜欢的其他东西相似的东西,也倾向于与自己身边的人有相似的口味。推荐系统就尝试捕捉这一规律来帮助预测你也可能喜欢的其他 阅读全文
posted @ 2016-10-08 22:05 赵大寳Note 阅读(16613) 评论(0) 推荐(0) 编辑
摘要: 本文翻译自:https://medium.com/@InDataLabs/approaching-the-cold-start-problem-in-recommender-systems-e225e0084970#.nic6ab24z 在之前的一篇文章中我们已经讨论过了机器学习在推荐系统中的应用, 阅读全文
posted @ 2016-09-30 22:33 赵大寳Note 阅读(608) 评论(0) 推荐(0) 编辑
摘要: 本文翻译自:https://indatalabs.com/blog/data-science/big-data-behind-recommender-systems 原作者:Valeryia Shchutskaya 无论你的工作是否为用户体验、在线战略、移动战略、市场或者其他任何影响用户组织的一部分 阅读全文
posted @ 2016-09-30 22:19 赵大寳Note 阅读(701) 评论(0) 推荐(0) 编辑
摘要: kNN算法中K表示最接近自己的K个数据样本 例如下图绿色的圆形是我们待分类的数据。根据kNN算法: 如果K=3,那么离绿色点最近的有2个红色三角形和1个蓝色的正方形,这3个点投票,于是绿色的这个待分类点属于红色的三角形。 如果K=5,那么离绿色点最近的有2个红色三角形和3个蓝色的正方形,这5个点投票 阅读全文
posted @ 2016-09-24 11:43 赵大寳Note 阅读(195) 评论(0) 推荐(0) 编辑
摘要: https://www.52ml.net/16177.html 以下部分内容来自论文引用: 【王立军. 基于协同过滤推荐系统的数据稀疏性问题研究[D]. 长春: 东北师范大学, 2009.】 一般来说,推荐模式有三种: 个性化推荐( personalized recommendation)——基于个 阅读全文
posted @ 2016-09-22 09:14 赵大寳Note 阅读(754) 评论(0) 推荐(0) 编辑
摘要: https://www.youtube.com/watch?v=UqYde-LULfs kNN算法注意事项: 对于2分类问题k值应取奇数 k值必须是类组数的倍数 kNN算法的主要缺点在于为样本计算最邻距离的复杂度 阅读全文
posted @ 2016-09-20 21:44 赵大寳Note 阅读(207) 评论(0) 推荐(0) 编辑
摘要: 一、Python 2.7.12 安装配置 此处选择完全安装,这样系统环境变量与pip都配置好了。 二、机器学习依赖包的安装 Numpy:pip install numpy Scipy:pip install scipy Windows环境下Scipy用此方法很难安装成功, failed buildi 阅读全文
posted @ 2016-09-13 10:51 赵大寳Note 阅读(644) 评论(0) 推荐(0) 编辑
摘要: 进入项目所在文件夹, git branch:获取当前项目所使用分支 git pull: git checkout -b Hailin/IM-299:分支命名 git status: 阅读全文
posted @ 2016-04-08 14:29 赵大寳Note 阅读(138) 评论(0) 推荐(0) 编辑
摘要: 这个问题是因为在aspx页面里面添加了RequiredFieldValidator 控价,新建的是一个空的WEB应用,开始没有添加引用,个人解决方案:新建了一个WebForm工程,这个工程里面自动引用了AspNet.ScriptManager.jQuery,,将这个dll添加到出问题的工程里面后问题... 阅读全文
posted @ 2016-01-22 11:46 赵大寳Note 阅读(199) 评论(0) 推荐(0) 编辑