上一页 1 2 3 4 5 6 7 8 9 10 ··· 19 下一页
摘要: cmd:下直接:python -m pip install 包名 阅读全文
posted @ 2017-05-16 10:14 nolonely 阅读(169) 评论(0) 推荐(0) 编辑
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
posted @ 2017-05-15 21:59 nolonely 阅读(2345) 评论(1) 推荐(0) 编辑
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
posted @ 2017-05-15 20:17 nolonely 阅读(3340) 评论(0) 推荐(0) 编辑
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
posted @ 2017-05-15 16:58 nolonely 阅读(2162) 评论(0) 推荐(0) 编辑
摘要: 在大家都在准备毕设的时候我还在参见面试,在大家都实习回来的时候,我还继续面试,桑心,今天面试,越挫越勇。。。。 这次面试我还是一如既往的选择了算法岗,经过上次的教训,这段时间除了忙论文,就是推导机器学习的公式了,,,,,这次面试开始的时候还比较顺利,随机森林,决策树,预剪枝后剪枝的区别(这点是我以前 阅读全文
posted @ 2017-05-14 16:51 nolonely 阅读(213) 评论(0) 推荐(0) 编辑
摘要: 马尔科夫过程 马尔科夫过程可以看做是一个自动机,以一定的概率在各个状态之间跳转。 考虑一个系统,在每个时刻都可能处于N个状态中的一个,N个状态集合是 {S1,S2,S3,...SN}。我们现在用q1,q2,q3,…qn来表示系统在t=1,2,3,…n时刻下的状态。在t=1时,系统所在的状态q取决于一 阅读全文
posted @ 2017-05-13 16:07 nolonely 阅读(227) 评论(0) 推荐(0) 编辑
摘要: 转自 http://blog.csdn.net/linkin1005/article/details/39054023 同朴素贝叶斯一样,高斯判别分析(Gaussian discriminant analysismodel, GDA)也是一种生成学习算法,在该模型中,我们假设y给定的情况下,x服从混 阅读全文
posted @ 2017-05-10 20:36 nolonely 阅读(1533) 评论(0) 推荐(0) 编辑
摘要: 以前学python的时候一直在网上找资料,看别人博客上的内容,学的东西感觉好乱,直到看了一本书:python编程从入门到精通,虽然基础知识是我一天看完的,但是还是感觉豁然开朗,如果对于初学者,可以看看这本书,边看,边做上边的练习题,感觉真的很棒!!由于记忆力不好,还是想把看到的知识总结一下,以备以后 阅读全文
posted @ 2017-04-15 21:55 nolonely 阅读(4781) 评论(0) 推荐(0) 编辑
摘要: 转自 国内外网站如果你想搜索比较新颖的机器学习资料或是文章,可以到以下网站中搜索,里面不仅包括了机器学习的内容,还有许多其它相关领域内容,如数据科学和云计算等。InfoWord:http://www.infoworld.com/reviews/Kdnuggets:http://www.kdnugge 阅读全文
posted @ 2017-04-11 14:42 nolonely 阅读(235) 评论(0) 推荐(0) 编辑
摘要: 他通过改变训练样本的权重,学习多个分类器,并将这些分类器进行线性组合,提高分类的性能。 adaboost提高那些被前一轮弱分类器错误分类样本的权重,而降低那些被正确分类样本的权重,这样使得,那些没有得到正确分类的数据,由于其权重的加大而受到后一轮的弱分类器的更大的关注。在组合阶段,加大分类误差率小的 阅读全文
posted @ 2017-04-09 21:42 nolonely 阅读(456) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 10 ··· 19 下一页