Recommender

Programming Exercise 8:Anomaly Detection and Recommender Systems 第二部分

MacJiang，今天和大家分享Coursera-StanfordUniversity-MachineLearning-ProgrammingExercise8:AnomalyDetectionandRecommenderSystems
a1015553840·2016-03-17 20:00

Programming Exercise 8:Anomaly Detection and Recommender Systems第一部分

MacJiang,今天和大家分享Coursera-StanfordUniversity-MachineLearning-ProgrammingExercise8:AnomalyDetectionandRecommenderSystem
a1015553840·2016-03-17 14:00

Week 9:Recommender Systems课后习题解答

       大家好，我是MacJiang，今天和大家分享coursera-StanfordUniversity-MachineLearning-Week9:RecommenderSystems的课后习题解答
a1015553840·2016-03-16 22:00

Week 9:Recommender Systems课后习题解答

       大家好，我是MacJiang，今天和大家分享coursera-StanfordUniversity-MachineLearning-Week9:RecommenderSystems的课后习题解答
Mac Jiang·2016-03-16 00:00

个性化推荐中的矩阵分解技术

个性化推荐中的矩阵分解技术http://baogege.info/2014/10/19/matrix-factorization-in-recommender-systems/
zlr·2016-02-23 11:21

个性化推荐中的矩阵分解技术

个性化推荐中的矩阵分解技术http://baogege.info/2014/10/19/matrix-factorization-in-recommender-systems/
aini_zlr2008·2016-02-23 07:27

关注推荐系统ABC

http://zhan.renren.com/recommendersystem?
winone361·2016-02-20 19:00

个性化推荐中的矩阵分解技术

http://baogege.info/2014/10/19/matrix-factorization-in-recommender-systems/引言随着NetflixPrize推荐比赛的成功举办，
winone361·2016-02-20 19:00

10.1、协同过滤实例

协同过滤实例junjun2016年2月11日recommenderlab包提供了一个可以用评分数据和0-1数据来发展和测试推荐算法的框架。
qq_16365849·2016-02-11 16:00

推荐系统笔记一、基于近邻的推荐系统（基础篇）

RecommenderSystemsHandbook第一版（2008年）是推荐系统方向入门的经典。
wangjian1204·2016-01-03 15:00

基于用户的协同过滤算法(Java实现或R语言实现

首先，创建数据模型(DataModel)，然后定义用户的相似度算法(UserSimilarity)，接下来定义用户近邻算法(UserNeighborhood)，最后调用推荐算法(Recommender)
sanqima·2015-12-24 10:00

mahout in Action2.2-给用户推荐图书（1）-直观分析和代码

This chapter covers What recommenders are, within Mahout A first look at a recommender in action Evaluating
MrCharles·2015-12-19 09:00

recsyscode - implementations of classic algorithms of recommender system - Google Project Hosting

recsyscode-implementationsofclassicalgorithmsofrecommendersystem-GoogleProjectHosting重要更新:svd++和combine
·2015-12-09 10:43

Machine Learning week 9 quiz: Recommender Systems

RecommenderSystems5试题1.Supposeyourunabookstore,andhaveratings(1to5stars)ofbooks.Yourcollaborativefilteringalgorithmhaslearnedaparametervectorθ
garfielder007·2015-12-03 08:30

Machine Learning week 9 quiz: Recommender Systems

RecommenderSystems5 试题1. 
GarfieldEr007·2015-12-03 08:00

Mahout推荐算法API详解

目录Mahout推荐算法介绍算法评判标准：召回率与准确率Recommender.java的API接口测试程序：Rec
GarfieldEr007·2015-12-03 08:00

hadoop调度程序时出现“Error opening job jar”错误

quot;main" java.io.IOException: Error opening job jar: /home/deploy/recsys/workspace/ouyangyewei/recommender-dm
·2015-11-13 10:06

mahout learning 代码示例

一， Introduction package mia.recommender.ch02;//=分析导入包可以看出mahout的包分为主要类以及它们的实现类=import org.apache.mahout.cf.taste.impl.model.file
·2015-11-12 21:27

mahout learning 代码示例

一， Introduction package mia.recommender.ch02;//=分析导入包可以看出mahout的包分为主要类以及它们的实现类=import org.apache.mahout.cf.taste.impl.model.file
·2015-11-12 17:38

KDD 2013推荐系统论文

 LCARS: A Location-Content-Aware Recommender System Authors: Hongzhi Yin, Peking University; Yizhou
·2015-11-12 16:28

WSDM 2014推荐系统论文

Xiao Yu, Hao Ma, Paul Hsu, Jiawei Han On Building Entity Recommender Systems Using User Click Log
·2015-11-12 16:27

Eclipse新版 syso无法自动补全的解决方法

我仔细看了一下Eclipse的插件，发现是新版Eclipse(4.5 Mars)有集成Code Recommenders这个增强的自动提示插件，导致了Syso后面不唯一，所以需要你手动选，但是很不爽，可能我没有用习惯
·2015-11-12 11:29

paper list about recommender systems

key words: social recommendation, collaborative filtering, learning to rank 2014  Learning to Recommend with Social Contextual Information from Implicit Feedback, Soft Computing, 2014 Social C
·2015-11-11 19:55

法国里昂，WWW2012会议，

自己的一个Recommender System的工作在WWW2012会议上发表：An Exploration of Improving Collaborative Recommender Systems
·2015-11-11 00:17

《推荐系统》--基于知识推荐

《Recommender System An Introduction》。第四章，基于知识推荐。 概要 ，能够以相对较小的代价获取和维护这些知识。
·2015-11-10 21:29

linux经常使用命令

pwd 查看当前工作文件夹的绝对路径 cat input.txt 查看input.txt文件的内容 ls 显示当前文件夹下全部的文件及子文件夹 rm recommender-dm
·2015-11-08 16:46

机器学习

Supervised•Classification•Regression•RecommenderUnsupervised•Clustering•Dimensionalityreduction•Topicmodeling
sdulibh·2015-11-06 16:09

一个简单的基于内容的推荐算法

最近闲下来又开始继续折腾推荐系统了，声明一下，本文只是介绍一下最基础的基于内容的推荐系统（Content-based recommender system）的工作原理，其实基于内容的推荐系统也分三六九等
·2015-11-05 08:30

论文阅读（2014-1）----a new collaborative filtering-based recommender system for manufacturing appstore: which

　　 　　这篇论文讲的东西并不深，讲的是appstore上的app个性化推荐问题，简单做个笔记。 简单介绍： 推荐系统可以降低没有卖任何app就离开的用户的概率、当用户买了某个app后，可以推荐配套的app、增加用户的忠诚度。 思路介绍： Ui=（用户在频道1购买的app数目，用户在频道2购买的app数目，...用户在频道n购买的app数目） US(用户相似度)=(Ui*Uj)/(||
·2015-11-01 11:34

Taste/Thoth：Taste Architecture 概览【转Beyond Search】

看图说话，下面就是一个 User-based Recommender 的例图，说明了各个组件之间的关系。
·2015-11-01 09:35

推荐系统

《推荐系统》 基本信息 原书名：Recommender systems:An introduction 作者： (奥地利) Dietmar Jannach Markus Zanker Alexander
·2015-11-01 08:40

【推荐系统论文笔记】Introduction To Recommender Systems: Algorithms and Evaluation

这篇论文比较短，正如题目所说，主要还是简单地介绍了一下推荐系统的一些算法以及评估的方法。 推荐系统之前是基于关键字信息的过滤系统，后来发展成为协同过滤系统，解决了两个问题：1、通过人工审核去评价那些具有大量关键字的文档；2、基于人们的品味去过滤一些非文本文件，如音乐。 之后，推荐系统研究领域出现了分叉。一方面，关注实际问题中的商业价值；另一方面，一些机器学习者应用大量技术在推荐系统。 正是这
·2015-10-31 10:31

Mahout：1->配置，RecommenderIntro，资源参考

配置： maven：下载，配置，用于在Mahout目录mvn install 编译mahout eclipse：导入jars，编译测试例子 hadoop：分布式 Mahout：下载，配置  /etc/profile 推荐系统实例： 1. 新建Java工程，新建Class Test 2. 参考：http://blog.csdn.net/aidayei/article/de
·2015-10-31 09:33

Recommender Systems Handbook读书笔记之7

Recommender Systems Handbook读书笔记之7 《Recommender Systems Handbook》，市面上不多的关于推荐系统的书之一。2010年10月出版，英文版。
·2015-10-30 13:32

Recommender Systems Handbook读书笔记之6

Recommender Systems Handbook读书笔记之6 本周看到了第十三章。全书共25章。
·2015-10-30 13:31

Recommender Systems Handbook读书笔记之4

本周看到了第八章。全书共25章。 从已经看过的内容来看，这本书对推荐系统的介绍比较全面，另外也深入介绍一些具体的算法，给出具体的计算公式。这些公式中有一些的数学符号我已经记不清具体含义了。 以下是前八章的内容概括：第一章：全书介绍；第二章：推荐系统中使用的数据挖掘方法，分为：数据处理（相似度度量、抽样、降维、降噪）、分类（具体算法有最近邻、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持
·2015-10-30 13:29

Recommender Systems Handbook读书笔记(2)

Recommender Systems Handbook读书笔记(2)   本周看完了第四章。全书共25章。
·2015-10-30 13:28

Recommender Systems Handbook读书笔记之三

本周看到了第六章。全书共25章。 从已经看过的内容来看，这本书对推荐系统的介绍比较全面，另外也深入介绍一些具体的算法，给出具体的计算公式。这些公式中有一些的数学符号我已经记不清具体含义了。 以下是前六章的内容概括：第一章：全书介绍；第二章：推荐系统中使用的数据挖掘方法，分为：数据处理（相似度度量、抽样、降维、降噪）、分类（具体算法有最近邻、决策树、基于规则的分类、贝叶斯分类、人工神经网络、支持
·2015-10-30 13:28

《Recommender Systems Handbook》读书笔记之一

Recommender Systems Handbook读书笔记之一 《Recommender Systems Handbook》，市面上不多的关于推荐系统的书之一。2010年10月出版，英文版。
·2015-10-30 13:27

【甘道夫】通过Mahout构建推荐系统--通过IDRescorer扩展评分规则

（比方：item的创建时间在一年以内），则须要用到 IDRescorer 接口，该接口源代码例如以下： package org.apache.mahout.cf.taste.recommender
·2015-10-30 12:55

How to Recommender Systems?

A Guide to Recommender Systems http://www.readwriteweb.com/archives/recommender_systems.php
·2015-10-28 09:21

hadoop mahout 算法和API说明

org.apache.mahout.cf.taste.hadoop.item.RecommenderJob.main(args) --input 偏好数据路径，文本文件。
·2015-10-28 07:00

基于模糊聚类和协同过滤的混合推荐系统

      Hybrid Recommender System based on Fuzzy Clustering and Collaborative
·2015-10-27 13:38

Andrew Ng Machine Learning 专题【Recommender Systems】

此文是斯坦福大学，机器学习界superstar—AndrewNg所开设的Coursera课程：MachineLearning的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。课程网址：https://www.coursera.org/learn/machine-learning/home/welcomeWeek9前半部分AnomalyDetection：http://blog.csdn.
yOung_One·2015-10-22 22:00

Andrew Ng Machine Learning 专题【Anomaly Detection】

课程网址：https://www.coursera.org/learn/machine-learning/home/welcomeWeek9后半部分RecommenderSystems：http://blog.csd
yOung_One·2015-10-22 15:00

Mining Massive Datasets课程笔记（四）推荐系统

RecommenderSystem推荐系统由于网络电商的兴起，商品由实体中有限的个数到互联网时代无数商品可以购买，使得长尾理论被广泛关注。这些都是推荐系统兴起的条件。
sherrylml·2015-10-17 15:00

Mahout 算法解析与案例实战 笔记目录

Mahout简介第一章Mahout简介Mahout安装配置聚类算法分类算法系统过滤算法模式挖掘算法Mahout中的其它算法FriendFind系统WineIdentification系统DatingRecommender
u011414200·2015-10-12 10:00

Mahout推荐系统引擎RecommenderEvaluator源码解析

在http://blog.csdn.net/jianjian1992/article/details/47304337里边有关于推荐系统的完整代码，其中有一个评价器RecommenderEvaluator
jianjian1992·2015-08-11 20:00

Recommending Firefox add-ons with Spark

转自http://robertovitillo.com/tag/recommender-system/recommendersystemmachinelearningmap-reducemozillarecommendersystemscalasparktelemetryRecommendingFirefoxadd-onswith
xiao_jun_0820·2015-07-21 15:00

Recommender Systems 基于知识的推荐

　　前两章的协同过滤和就内容的推荐都建立在“大量数据”的基础上，运用概率方法来进行计算和预测。不过，在现实生活中，有些物品，如：汽车、房屋、计算机，用户不会频繁的消费。如何在这种情况下对用户进行推荐？ 　　这种case，在现实生活中很常见的就是在淘宝上面用general的query来搜索一些大宗物品，如：相机、电视、空调、等等。这时候淘宝除了给出一些结果，还会给出一些选项，如：品牌、像素、尺寸，
·2015-05-23 00:00
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他