采用KNN算法实现一个简单的推荐系统
来源:互联网 发布:杜月笙评价知乎 编辑:程序博客网 时间:2024/06/06 03:00
1. 基于相似用户的KNN
选用公式如下:
2. 基于相似物品的KNN
要求:
1. 纯PYTHON代码实现
2. 利用SKLEARN开发包实验
实验要求:
1. 数据集:
Movielens1M, Movielens100k
2. 评价指标:
RMSE, 均方根误差(root mean squared error,RMSE)
MAE平均绝对误差(mean absolute error,MAE)
3. 实验结果
【说明】
train、Test数据划分比—>9:1
User_test:基于用户的过滤
Item_test:基于项目的过滤
本文试验参考并修改自:
- http://online.cambridgecoding.com/notebooks/eWReNYcAfB/implementing-your-own-recommender-systems-in-python-2
- http://blog.ethanrosenthal.com/2015/11/02/intro-to-collaborative-filtering/
实验代码查看地址:RMSE
0 0
- 采用KNN算法实现一个简单的推荐系统
- Knn实现简单的物品推荐
- python之KNN算法的简单实现
- python KNN算法的简单实现
- 利用KNN算法实现的一个demo
- 基于KNN的协同滤波推荐算法实现
- 一个简单的推荐系统
- 一个简单的在线推荐系统的实现
- 不到100行代码实现一个简单的推荐系统
- Python 简单实现KNN算法
- KNN的简单实现
- KNN算法的实现
- KNN算法的实现
- KNN算法的实现
- 一个机器简单的机器学习算法-KNN分类器
- 【译文】构建一个图书推荐系统 – 基础知识、knn算法和矩阵分解
- 机器学习-kNN实现简单的手写数字识别系统
- 机器学习---opencv实现简单的KNN算法
- 推荐系统介绍:(协同过滤)—Intro to Recommender Systems: Collaborative Filtering
- About Face 摘录
- 垃圾回收/TomcatGC参数配置
- About Face 一
- 配置文件
- 采用KNN算法实现一个简单的推荐系统
- About Face 二
- VS2010 VC Project的default Include设置
- DispatcherServlet
- 《机器学习笔记》-环境配置
- MVC, MVP, MVVM
- 前端进阶(随手记)------原型链解析(__proto__和prototype的区别)
- IOC + 容器
- C# new override