上一页 1 ··· 61 62 63 64 65 66 67 68 69 ··· 78 下一页
摘要: Maven常用命令:1. 创建Maven的普通java项目: mvn archetype:create -DgroupId=packageName -DartifactId=projectName2. 创建Maven的Web项目: mvn archetype:create -DgroupId=packageName -DartifactId=webappName -DarchetypeArtifactId=maven-archetype-webapp3. 编译源代码: mvn compile4. 编译测试代码:mvn test-compile5. 运行测试:mvn test6. 产生site: 阅读全文
posted @ 2014-03-10 17:13 Django's blog 阅读(253) 评论(0) 推荐(0) 编辑
摘要: http://www.cnblogs.com/dlts26/archive/2011/08/23/2150230.htmlmahout项目是由多个子项目组成的,各子项目分别位于源码的不同目录下,下面对mahout的组成进行介绍:1、mahout-core:核心程序模块,位于/core目录下;2、mahout-math:在核心程序中使用的一些数据通用计算模块,位于/math目录下;3、mahout-utils:在核心程序中使用的一些通用的工具性模块,位于/utils目录下;上述三个部分是程序的主题,存储所有mahout项目的源码。另外,mahout提供了样例程序,分别在taste-web和exa 阅读全文
posted @ 2014-03-10 16:44 Django's blog 阅读(219) 评论(0) 推荐(0) 编辑
摘要: http://log.medcl.net/item/2011/02/mahout_install/Apache Mahout是一个机器学习的框架,构建在hadoop上支持大规模数据集的处理,目前最新版本0.4。ApacheMahout简介http://www.ibm.com/developerworks/cn/java/j-mahout/基于 Apache Mahout 构建社会化推荐引擎http://www.ibm.com/developerworks/cn/java/j-lo-mahout/Taste:http://taste.sourceforge.netMahout currently 阅读全文
posted @ 2014-03-10 15:57 Django's blog 阅读(347) 评论(0) 推荐(0) 编辑
摘要: http://www.ibm.com/developerworks/cn/java/j-lo-mahout/Web 2.0 的一个核心思想就是“群体智慧”,即基于大众行为,为每个用户提供个性化的推荐。这使得如何让用户能更快速更准确的获得所需要的信息,成为了 Web 应用成败的关键。Apache Mahout 是 ASF(Apache Software Foundation)的一个较新的开源项目,提供机器学习领域的一些经典算法的高效实现。本文主要讲述如何基于 Apache Mahout 来构建社会化推荐引擎,帮助 Web 应用开发者更高效的实现个性化推荐功能,从而提高最终用户满意度。推荐引擎简介 阅读全文
posted @ 2014-03-10 15:24 Django's blog 阅读(308) 评论(0) 推荐(0) 编辑
摘要: 本系列的第一篇为读者概要介绍了推荐引擎,下面几篇文章将深入介绍推荐引擎的相关算法,并帮助读者高效的实现这些算法。 在现今的推荐技术和算法中,最被大家广泛认可和采用的就是基于协同过滤的推荐方法。它以其方法模型简单,数据依赖性低,数据方便采集 , 推荐效果较优等多个优点成为大众眼里的推荐算法“No.1”。本文将带你深入了解协同过滤的秘密,并给出基于 Apache Mahout 的协同过滤算法的高效实现。Apache Mahout 是 ASF 的一个较新的开源项目,它源于 Lucene,构建在 Hadoop 之上,关注海量数据上的机器学习经典算法的高效实现。http://www.ibm.com/de 阅读全文
posted @ 2014-03-10 14:31 Django's blog 阅读(445) 评论(0) 推荐(0) 编辑
摘要: 转:http://blog.csdn.net/huagong_adu/article/details/7362908最近参加KDD Cup 2012比赛,选了track1,做微博推荐的,找了推荐相关的论文学习。“Item-Based Collaborative Filtering Recommendation Algorithms”这篇是推荐领域比较经典的论文,现在很多流行的推荐算法都是在这篇论文提出的算法的基础上进行改进的。 一、协同过滤算法描述 推荐系统应用数据分析技术,找出用户最可能喜欢的东西推荐给用户,现在很多电子商务网站都有这个应用。目前用的比较多、比较成熟的推荐算法是协同过... 阅读全文
posted @ 2014-03-10 14:19 Django's blog 阅读(449) 评论(0) 推荐(0) 编辑
摘要: 主要的推荐算法简介转载:http://blog.sina.com.cn/s/blog_602feaa80100fjq9.html在推荐系统简介中,我们给出了推荐系统的一般框架。很明显,推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内 阅读全文
posted @ 2014-03-10 11:42 Django's blog 阅读(488) 评论(0) 推荐(0) 编辑
摘要: def connect(_host, _user, _passwd, _db, _charset, _port): conn = MySQLdb.connect(host=_host, user=_user, passwd=_passwd, db=_db, charset=_charset, ... 阅读全文
posted @ 2014-03-10 11:07 Django's blog 阅读(297) 评论(0) 推荐(0) 编辑
摘要: http://www.cnblogs.com/xuxm2007/archive/2011/01/17/1937220.htmlhttp://www.linux-field.com/?p=15Python中执行系统命令常见方法有两种:两者均需 import os(1) os.system# 仅仅在一个子终端运行系统命令,而不能获取命令执行后的返回信息system(command) -> exit_statusExecute the command (a string) in a subshell.# 如果再命令行下执行,结果直接打印出来>>> os.system(' 阅读全文
posted @ 2014-03-07 16:34 Django's blog 阅读(626) 评论(0) 推荐(0) 编辑
摘要: 转自:http://www.oschina.net/question/234345_52660熟悉了Qt的QProcess以后,再回头来看python的subprocess总算不觉得像以前那么恐怖了。和QProcess一样,subprocess的目标是启动一个新的进程并与之进行通讯。subprocess.Popen这个模块主要就提供一个类Popen:class subprocess.Popen( args, bufsize=0, executable=None, stdin=None, stdout=None, stderr=None, ... 阅读全文
posted @ 2014-03-07 15:58 Django's blog 阅读(1067) 评论(0) 推荐(0) 编辑
上一页 1 ··· 61 62 63 64 65 66 67 68 69 ··· 78 下一页