itemCF

个性化推荐算法python实现

基于ItemCF算法#-*-coding:utf-8-*-"""CreatedonWedSep3015:36:152015@author:tanyouwei"""importmath#ItemCF算法defItemSimilarity
u013719780·2015-09-30 15:00

Mahout--（三）相似性度量

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
u013147600·2015-07-16 15:00

Mahout推荐算法API详解

从数据处理能力上，可以划分为2类：单机内存算法实现基于Hadoop的分步式算法实现1).单机内存算法实现单机内存算法实现：就是在单机下运行的算法，是由cf.taste项目实现的，像我的们熟悉的UserCF,ItemCF
浪朗森·2015-06-01 13:00

【甘道夫】基于Mahout0.9+CDH5.2运行分布式ItemCF推荐算法

环境：hadoop-2.5.0-cdh5.2.0mahout-0.9-cdh5.2.0引言虽然Mahout已经宣布不再继续基于Mapreduce开发，迁移到Spark，但是实际面临的情况是公司集群没有足够的内存支持Spark这只把内存当饭吃的猛兽，再加上项目进度的压力以及开发人员的技能现状，所以不得不继续使用Mahout一段时间。今天记录的是命令行运行ItemCFonHadoop的过程。历史之前读
糖糖_·2015-05-19 16:00

数据挖掘算法之关联规则挖掘（一）apriori算法

+其他物品=多少￥而这些套餐就很有可能符合你的胃口，原本只想买一本书的你可能会因为这个推荐而买了整个套餐这与userCF和itemCF不同的是，前两种是推荐类似的，或者你可能喜欢的商品列表而关联规则挖掘的
qq1010885678·2015-04-23 22:00

协同过滤：基于用户的协同过滤itemCF

基于用户的协同过滤算法也被称为最近邻协同过滤或KNN(K．Nearest-Neighbor,K最近邻算法)。其核心思想就是，首先根据相似度计算出目标用户的邻居集合，然后用邻居用户评分的加权组合来为目标用户作推荐。通常这些算法都可以总结成三步：首先，使用用户已有的评分来计算用户之间的相似度；然后，选择与目标用户相似度最高的K个用户，通常把这些用户称为邻居；最后，通过对邻居用户的评分的加权平均来预测目
wenyusuran·2015-03-20 14:00

新版hadoop MultipleOutputs多文件输出

Mapper package com.yy.hiido.itemcf.hadoop.mapper; import java.io.IOExce
BlackWing·2015-03-11 14:00

[推荐算法]ItemCF,基于物品的协同过滤算法

ItemCF：ItemCollaborationFilter，基于物品的协同过滤算法核心思想：给用户推荐那些和他们之前喜欢的物品相似的物品。
qwurey·2015-03-09 15:10

基于Mahout的图书推荐系统

一、用Maven搭建Mahout的开发环境packagecom.panguoyuan.mahout.itemcf;importjava.io.File;importjava.io.IOException
panguoyuan·2015-02-05 10:33

itemcf的hadoop实现优化(Python)

原始数据如下：u1a,d,b,c u2a,a,c u3b,d u4a,d,c u5a,b,c计算公式使用：sim=U(i)∩U(j)/(U(i)∪U(j))其中： (U(i)∪U(j))= U(i)+U(j)- U(i)∩U(j) 原始的Hadoop实现需要5轮MR，优化后只需要两轮就可以完成。之前的轮数过多，主要在于计算(U(i)∪U(j))的时候，需要多次更改key，并非计算量大。只需要修改一
arthur503·2015-02-04 14:00

【甘道夫】Mahout推荐算法编程实践

下文介绍基于Taste实现最常用的UserCF和ItemCF。本文不涉及UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
u010967382·2014-09-10 17:00

【甘道夫】Mahout推荐算法编程实践

下文介绍基于Taste实现最常用的UserCF和ItemCF。本文不涉及UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
u010967382·2014-09-10 17:00

天猫大数据3—回归模型

进入第二季之后，开始熟悉第二季的平台，在延续了第一季的算法后，在大数据上约取得了4%的F1值，itemCF是在map-reduce下完成，统计模型是基本在基于odps的sql操作表级下完成之后转战回归模型这里先回忆一下回归模型的基础
xietingcandice·2014-09-03 21:00

mahout 常见机器学习算法及分类

最近一直在学习hadoop一直没有梳理接触到的东西，常见算法分类：推荐系统（推荐引擎）：基于用户的协同过滤算法UserCF   近邻算法，容易实现基于物品的协同过滤算法ItemCF   速度快，容易实现分布式计算
wfh45678·2014-09-03 14:25

mahout 常见机器学习算法及分类

最近一直在学习hadoop一直没有梳理接触到的东西，常见算法分类：推荐系统（推荐引擎）：基于用户的协同过滤算法UserCF近邻算法，容易实现基于物品的协同过滤算法ItemCF速度快，容易实现分布式计算SlopeOne
wfh45678·2014-09-03 14:25

天猫大数据总结2

第一季的比赛我的成绩并不算理想，最开始我用了大家最容易接触的算法:ItemCF:基于用户行为分析的推荐算法是个性化推荐系统的重要算法，也成为协同过滤算法基于用户的协同过滤算法：给用户推荐和他兴趣相似的用户喜欢的物品基于物品的协同过滤算法
xietingcandice·2014-09-01 22:00

用图的存储结构实现ItemCF

其实，网上有很多基于item的协同过滤的方法，对于数据量大的情况下，一般用MapReduce处理，也有基于内存的Spark类MapReduce的处理方式。由于最近在学GraphX，其实user和Item之间也可以用图的方式去描述，至于为什么要做这么做？会不会多余呢，其实还是可以拥有自己的观点。其实公式如下，引入了时间因素和同个订单因素：N(i)表示买了i物品的用户数量，分子是买了i物品和j物品的共
tangshangwen·2014-08-31 01:07

用图的存储结构实现ItemCF

其实，网上有很多基于item的协同过滤的方法，对于数据量大的情况下，一般用MapReduce处理，也有基于内存的Spark类MapReduce的处理方式。由于最近在学GraphX，其实user和Item之间也可以用图的方式去描述，至于为什么要做这么做？会不会多余呢，其实还是可以拥有自己的观点。其实公式如下，引入了时间因素和同个订单因素：N(i)表示买了i物品的用户数量，分子是买了i物品和j物品的共
TangShangWen·2014-08-31 01:00

基于用户和基于物品的协同过滤算法的比较

首先回顾一下，协同过滤算法主要有两种，一种是基于用户的协同过滤算法（UserCF），另一种是基于物品的协同过滤算法（ItemCF）。
wangyuquanliuli·2014-07-09 19:00

推荐算法之基于物品的协同过滤算法

基于物品的协同过滤算法（ItemCF）是业界应用最多的算法，主要思想是利用用户之前有过的行为，给用户推荐和之前物品类似的物品。基于物品的协同过滤算法主要分为两步：1）计算物品之间的相似度。
wangyuquanliuli·2014-07-08 20:00

推荐算法总结Recommendation

  目前为止，我们常推荐算法有好多种，比较常见的有协同过滤（CollaborativeFilteringRecommendations）这个在Mahout里的ItemCF和UserCF比较常用，还有一种比较新的运行在
u014388509·2014-06-23 17:00

利用Solr完成向量乘以矩阵功能：以协同过滤算法ItemCF为例

itemCF方法更简单，推荐理由也更温和，将是本文介绍的实践内容。1.itemCF简介       itemCF算法用户u对物品i的
lgnlgn·2014-06-01 13:00

hadoop学习-Netflix电影推荐系统

推荐算法分类：按数据使用划分：协同过滤算法：UserCF,ItemCF,ModelCF基于内容的推荐:用户内容属性和物品内容属性社会化过滤：基于用户的社会网络关
wenyusuran·2014-05-22 09:00

Mahout分步式程序开发 基于物品的协同过滤ItemCF

前言Mahout是Hadoop家族一员，从血缘就继承了Hadoop程序的特点，支持HDFS访问和MapReduce分步式算法。随着Mahout的发展，从0.7版本开始，Mahout做了重大的升级。移除了部分算法的单机内存计算，只支持基于Hadoop的MapReduce平行计算。从这点上，我们能看出Mahout走向大数据，坚持并行化的决心！相信在Hadoop的大框架下，Mahout最终能成为一个大数
wbj0110·2014-05-20 16:00

Mahout分步式程序开发 基于物品的协同过滤ItemCF

前言Mahout是Hadoop家族一员，从血缘就继承了Hadoop程序的特点，支持HDFS访问和MapReduce分步式算法。随着Mahout的发展，从0.7版本开始，Mahout做了重大的升级。移除了部分算法的单机内存计算，只支持基于Hadoop的MapReduce平行计算。从这点上，我们能看出Mahout走向大数据，坚持并行化的决心！相信在Hadoop的大框架下，Mahout最终能成为一个大数
wbj0110·2014-05-20 16:00

Mahout分步式程序开发 基于物品的协同过滤ItemCF

前言Mahout是Hadoop家族一员，从血缘就继承了Hadoop程序的特点，支持HDFS访问和MapReduce分步式算法。随着Mahout的发展，从0.7版本开始，Mahout做了重大的升级。移除了部分算法的单机内存计算，只支持基于Hadoop的MapReduce平行计算。从这点上，我们能看出Mahout走向大数据，坚持并行化的决心！相信在Hadoop的大框架下，Mahout最终能成为一个大数
wbj0110·2014-05-20 16:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

Mahout的相似性度量（相似度算法）

UserCF和ItemCF都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。
wbj0110·2014-04-11 10:00

推荐系统：总体介绍、推荐算法、性能比较

：SVD：SVD在推荐系统中的应用slopeone：推荐系统：SlopeOne算法apriori：先验算法推荐系统：关联规则(2)FP-Growth：推荐系统：关联规则(3)——FP-Growth算法ItemCF
u010384318·2013-08-25 18:00

关于USERCF和ITEMCF的那点事

p=488关于USERCF和ITEMCF的那点事UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。
xceman1997·2013-07-31 13:00

个性化研究问题集

使用什么算法好，userCF，itemCF，还是其他？3.拿今日头条来说，它是如何确保今天推荐的是最新的新闻呢？爬取新闻的时间是不定时的吧？如何解决物品冷启动问题呢？
月毁星坠·2013-06-22 17:00

Mahout中的一些相似度算法实现解读

    Mahout中实现的推荐算法是协同过滤，而无论是UserCF还是ItemCF都依赖于user相似度或item相似度。本文是对mahout中的一些相似度算法的解读。
月毁星坠·2013-06-22 09:00

推荐系统：总体介绍、推荐算法、性能比较

在推荐系统中的应用slopeone：推荐系统：SlopeOne算法apriori：先验算法              推荐系统：关联规则(2)FP-Growth：推荐系统：关联规则(3)——FP-Growth算法ItemCF
kensun0·2012-12-13 10:00

基于的Map/Reduce的ItemCF

ItemCF为基于邻域的方法使用用户共同行为来对Item之间的相似度进行计算，从而利用k－近邻算法使用用户曾经有个行为的Item进行推荐。
Jia Mi·2012-11-05 08:00

阿里一面、二面路过，，口水都说干了。

4，userCF和ItemCF在实际当中如何使用,提供具体操作
zqt520·2012-09-07 12:00

关于UserCF和ItemCF的那点事

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。
liuzhoulong·2012-06-02 13:00
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他