HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

机器学习就等同于算法吗?

在当前的推荐系统中,很多使用了机器学习,有些已经用到了深度学习。那么,机器学习就等同于一堆的算法吗?答案是:机器学习≠算法。机器学习≠算法当我们打开一本教科书,或者大学的教学大纲,通常看到的都是一堆的算法列表。这也让大家造成了这样的误解:机器学习就是掌握一系列的算法。其实,

案例|推荐系统的评估指标

推荐系统能够为用户提供个性化体验,现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值(MeanAveragePrecision,MAP)便是评估推荐系统性能的度量标准之一。但是,使用其他诊断指标和可视化工具可以让模型评估更加深入,甚至还会带来一些

用于推荐系统评估的概念与指标

在推荐系统中,研究人员为了能让预测结果对用户提供更多价值,会关注用户满意度。鉴于推荐系统除了让用户购买更多的相似产品外,还必须对用户而言“有用”,研究人员还会关注用户在使用系统时的交互体验和消费体验。目前,研究人员正在通过评估不同的指标来解决这个问题,而不是简单地通过预测准确度和机器学习技术。

如何解决推荐系统中的冷启动问题?

当新用户或新项目进入内容平台时,就会出现冷启动(ColdStart)问题。以协同过滤这样的经典推荐系统为例,假设每个用户或项目都有评级,这样我们就可以推断出类似用户/项目的评级,即使这些评级没办法调用。但是,对于新进入的用户/项目,实现这一点很困难,因为我们没有相关的浏览、点击或下载等数据,也

推荐系统:算法概述

如今,许多公司都会开发与自己业务息息相关的推荐系统。先荐作为第四范式研发的一款智能推荐产品,已为内容行业的众多媒体客户赋能,实现客户的营收增长。在本文中,我们将会简要介绍现有的主要推荐算法及其工作原理。协同过滤协同过滤(CF)是最常用的推荐算法之一,即使推荐系统小白也可以轻松上手,

推荐系统:协同过滤及其利弊

在上一篇文章中,我们谈到了推荐系统中基于内容的过滤及其利弊,今天我们来看看协同过滤。与基于内容的过滤(CBF)不同,协同过滤(CollaborativeFiltering)技术独立于域,适用于无法利用元数据充分描述的项目,如电影、音乐等。协同过滤技术(CF)首先会构建用户项目偏好的数据库,

surprise库文档翻译

~~这里的格式并没有做过多的处理,可参考于OneNote笔记链接~~~~由于OneNote取消了单页分享,如果需要请留下邮箱,我会邮件发送pdf版本,后续再解决这个问题~~由于来回发太麻烦了,分享于百度盘了,链接:https://pan.baidu.com/s/1r6VZ...(htt

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。