數(shù)據(jù)挖掘之推薦算法入門阿里大數(shù)據(jù)競(jìng)賽參賽經(jīng)歷-免費(fèi)閱讀
【正文】 推薦算法 亞馬遜的圖書推薦主要使用了協(xié)同過濾。 基于用戶的協(xié)同過濾算法主要包括兩個(gè)步驟。 推薦算法 ? 算法 2：邏輯回歸 (Logistic regression) ? 組成 3： Logsitic方程 上面提到的 sell 計(jì)算出來是一個(gè)數(shù)值，但我們需要的是一個(gè) [0, 1]，類似概率的值，于是引入了 Logistic 方程，來做歸一化。 y = a*x + b， x是價(jià)錢， y是銷售量。amp。后勁丌足，沒有達(dá)到預(yù)期的成績(jī)。 用戶行為：點(diǎn)擊、購買、加入購物車、收藏。 推薦可以兩方面入手： ? 基于內(nèi)容的推薦 相關(guān)導(dǎo)演、演員的其他作品； ? 基于協(xié)同過濾的推薦 找到不自己歷史興趣相同的用戶群，推薦該用戶群喜歡的電影。 什么是推薦系統(tǒng) 什么是推薦系統(tǒng) ? 電影應(yīng)用（豆瓣電影）： 《盜夢(mèng)空間》 的推薦 推薦構(gòu)成：導(dǎo)演、演員其他作品；同類型電影。 阿里巴巴大數(shù)據(jù)競(jìng)賽 ? 比賽形式 設(shè)計(jì)一個(gè)推薦算法，基于算法和已有數(shù)據(jù)得出第五個(gè)月用戶可能購買的品牌。 通過競(jìng)賽，對(duì)推薦算法的入門有了深入的理解不實(shí)踐。 days = 3 ) then remend(this)。假設(shè)它們滿足線性關(guān)系，線性回歸即根據(jù)往年數(shù)據(jù)找出最佳的 a, b取值，使 y = a * x + b 在所有樣本集上誤差最小。 所以邏輯回歸就是一個(gè)被 Logistic方程歸一化后的線性回歸。 1. 找到和目標(biāo)用戶興趣相似的用戶集合。 ? 其他推薦算法： ? 隨機(jī)森林 (Logistic regression) ? 支持向量機(jī) SVM ? 神經(jīng)網(wǎng)絡(luò) ? Slope One ...... 推薦算法 ? 總結(jié)： ? 介紹了阿里巳巳大數(shù)據(jù)競(jìng)賽的基本情況； ? 介紹了兩類比較典型的推薦算法：邏輯回歸和協(xié)同過濾； ? 推薦算法的選擇和具體應(yīng)用場(chǎng)景有很大關(guān)系，一般也涉及多種推薦算法的組合使用。 如購物網(wǎng)站的推薦系統(tǒng)， ? 邏輯回歸 可以推薦給用戶，
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1