Wide&Deep算法进行特征组合的商品推荐详细教程 代码+数据

案例知识点

  • 推荐系统任务描述:通过用户的历史行为(比如浏览记录、购买记录等等)准确的预测出用户未来的行为;好的推荐系统不仅如此,而且能够拓展用户的视野,帮助他们发现可能感兴趣的却不容易发现的item;同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。

  • 方法概述:本教程包括以下内容:从原始的数据文件中加载数据、缺失值填充、特征编码、训练模型、结果展示。对于与特征域有关的模型,可以分为特征编码和分类器两个步骤。其中特征编码是将原始输入的离散特征和连续特征转化为向量表示。在本教程中采用embedding编码,即将每个特征值映射到一个固定维度的连续值向量。同时,选用Wide&Deep模型,通过AUC和LogLoss指标评测训练结果。

  • 宏观流程图

  • 案例知识点:

    • 推荐系统,视频
    • embedding编码, 

你可能感兴趣的:(机器学习从入门到精通,算法,python,深度学习,自然语言处理,人工智能)