摘要：
import numpy as np a = np.array([1,2,3,4,5,6,7,8]) #一维数组 print(a.shape[0]) #值为8，因为有8个数据 print(a.shape[1]) #IndexError: tuple index out of range a = np 阅读全文
摘要：
deep learning 以及deep learning 常用模型和方法 首先为什么会有Deep learning，我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。 1.Deep learning与Neural Network 深度学习是机器学习研究中的一个新的领域， 阅读全文
摘要：
转自 http://blog.csdn.net/sinat_33741547/article/details/53002524 一 基本概念 基于图的模型是推荐系统中相当重要的一种方法，以下内容的基本思想是将用户行为数据表示为一系列的二元组，每一个二元组(u,i)代表用户u对物品i产生过行为，这样便 阅读全文
摘要：
1.处理数据集：将用户行为数据集按照均匀分布随机分成M份，挑选一份作为测试集，剩下的M-1份作为训练集 2.评测指标 ①准确率和召回率 对用户u推荐N个物品（记为R(u)）,令用户u在测试集上喜欢的物品的集合为T(u)，召回率和准确率可以用来评测推荐算法的精度，计算公式为 ②覆盖率覆盖率反应了推荐算 阅读全文
摘要：
基于邻域的协同过滤主要分为两类，基于用户的协同过滤和基于物品的协同过滤。前者给用户推荐和他兴趣相似的其他用户喜欢的物品，后者则是推荐和他之前喜欢过的物品相似的物品。 基于用户的协同过滤算法 这里介绍基于用户的协同过滤，从定义来说，可以分为以下两步进行： 计算用户相似度的基本算法： （1）Jaccar 阅读全文
摘要：
LFM(latent factor model)隐语义模型，这也是在推荐系统中应用相当普遍的一种模型。那这种模型跟ItemCF或UserCF的不同在于： 如果要实现最后一种方法，需要解决以下的问题： 对分类，很容易想到人工对物品进行分类，但是人工分类是一种很主观的事情，比如一部电影用户可能因为这是喜 阅读全文
摘要：
推荐系统之冷启动问题 转自http://blog.csdn.net/zhangjunjie789/article/details/51379127 如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统，就是冷启动问题。 冷启动问题主要分为三类： （1） 用户冷 阅读全文
摘要：
参考自：http://blog.csdn.net/wjmishuai/article/details/71191945 http://www.cnblogs.com/Xnice/p/4522671.html 基于潜在（隐藏）因子的推荐，常采用SVD或改进的SVD++ 奇异值分解（SVD）： 考虑CF 阅读全文
摘要：
算法是指解决问题的⽅法（或过程） ，是若⼲指令的有穷序列 ❖与问题相关的性质 输⼊：有零个或多个由外部提供的量作为算法的输⼊，从特定的对象集合中抽取，作为算法开始执⾏前的初始值。 输出：⾄少⼀个，是输⼊的某种函数，是算法计算的结果。 ❖与⽅法相关的性质 确定性：组成算法的每条指令是清晰的，⽆歧义的。 阅读全文
摘要：
功能要求：把src 所指由NULL 结束的字符串复制到dest 所指的数组中。分析：如果编写一个标准strcpy 函数的总分值为10，下面给出几个不同得分的答案： //得2 分void strcpy( char strDest, char strSrc ){while( (strDest++ = s 阅读全文