數(shù)據(jù)挖掘之推薦算法入門阿里大數(shù)據(jù)競賽參賽經(jīng)歷(編輯修改稿)
2025-08-15 17:51 本頁面
【文章內(nèi)容簡介】 k ? 加入購物車 is_cart ? 收藏 is_fav ? 幾天前有瀏覽過 days ? 實現(xiàn) 2：設定權(quán)值，并計算分值（通過驗證集找到較優(yōu)權(quán)值） W = w1 * click + w2 * is_cart + w3 * is_fav + w4 * 1/days 例如得到一個較有權(quán)值 : w1 = , w2 = , w3 = , w4 = 推薦算法 簡單有效，實現(xiàn)方便，有一定效果 用戶 品牌 交互數(shù)據(jù) 得分 1 133 click = 2, is_cart = 1, is_fav = 0, days = 1 2 133 click = 10, is_cart = 0, is_fav = 0, days = 5 √ ? 算法 2：邏輯回歸 (Logistic regression) Logistic regression （邏輯回歸）是當前業(yè)界比較常用的機器學習方法，用于估計某事件的可能性。如某用戶購買某商品的可能性、廣告被某用戶點擊的可能性等。 推薦算法 公式定義 將可能性限定在 0和 1之間 ? 算法 2：邏輯回歸 (Logistic regression) ? 組成 1：回歸 回歸是對已知公式的未知參數(shù)迚行估計。 如已知公式是 y = a*x + b，未知參數(shù)是 a 和 b。我們現(xiàn)在有很多真實的 (x,y)數(shù)據(jù)（訓練樣本），回歸就是利用這些數(shù)據(jù)對 a 和 b 的取值去自勱估計。 推薦算法 ? 算法 2：邏輯回歸 (Logistic regression) ? 組成 2：線性回歸 如鞋子定價不鞋子銷量的問題。 y = a*x + b， x是價錢， y是銷售量。假設它們滿足線性關(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。 推薦算法 線性回歸示例 ? 算法 2：邏輯回歸 (Logistic regression) ? 組成 2：線性回歸 如鞋子定價不鞋子銷量的問題。 y = a*x + b， x是價錢， y是銷售量。假設它們滿足線
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1