09 2014 档案

摘要：(原创文章，转载请注明出处！)推荐系统关注的是人与物品，希望预测出人对物品的喜欢程度。不同的人有相近的喜好（比如：都喜欢武侠小说），不同的物品有相近的特征（比如：都是武侠小说）。当想预测一个用户A对其还没有评价的的物品T的评分时，可以从两个角度来考虑：找和用户A有相近喜欢的人，通过他们对物品T的评分... 阅读全文

摘要：(原创文章，转载请注明出处！)一、问题实现对电影的推荐，数据集中有约1600部电影，有约900个用户对这些电影进行了评价。设每个电影有10个特征，根据推荐系统（一）描述的算法，每个用户也相应的有10的参数，那么总的参数个数 ≈ 1600 * 10 + 900 * 10 ≈ 16000 + 9000 ... 阅读全文

摘要：(原创文章，转载请注明出处！)本篇来解决一个异常检测问题。样本数据约300个，无标签的二维数据。此外，还有一个有标签的验证数据集，包含约300个样本。一、将每个维度数据的直方图plot出来1 hist(X[,1], breaks=seq(from=floor(min(X[,1])),to=ceili... 阅读全文

摘要：(原创文章，转载请注明出处！)在文章应用高斯分布来解决异常检测问题（一）中对如何使用高斯分布来解决异常检测问题进行了描述，本篇是使用R编程实现了第一篇中所描述的两个模型：多个一元高斯分布模型和一个多元高斯分布模型。一、 多个一元高斯分布模型 1 ## parameters: 2 ## xNe... 阅读全文

摘要：(原创文章，转载请注明出处！)异常检测的样本数据，可能有标签，但通常正常状况的样本很多，异常状况的样本很少，并且出异常的原因通常也不尽相同。所以，可以只针对正常状况的样本建模。而如果收集到一堆的数据没有标签，则可以对所有的样本数据用一个模型建模，因为通常数据中异常状况的样本很少，对最终模型的影响很小... 阅读全文

摘要：(原创文章，转载请注明出处！)高斯分布的密度函数一元高斯分布：p(x;μ,σ2)=(1/{sqrt(2π)*σ}) * exp{-(x-μ)2/(2σ2)}期望：E(X) = μ；方差：D(X) = σ2二元高斯分布：p(x1,x2;μ1,μ2,σ12,σ22)={ 1 / [2π*σ1σ2*sqr... 阅读全文