机器学习基础（三十五）—— 协同过滤（从匹配用户到匹配商品）

考虑如下的用户对影片的打分，由嵌套字典定义：

critics = {'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5,'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5,'The Night Listener': 3.0},'Gene Seymour': {'Lady in the Water': 3.0, 'Snakes on a Plane': 3.5,'Just My Luck': 1.5, 'Superman Returns': 5.0, 'The Night Listener': 3.0,'You, Me and Dupree': 3.5},'Michael Phillips': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.0,'Superman Returns': 3.5, 'The Night Listener': 4.0},'Claudia Puig': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0,'The Night Listener': 4.5, 'Superman Returns': 4.0,'You, Me and Dupree': 2.5},'Mick LaSalle': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0,'Just My Luck': 2.0, 'Superman Returns': 3.0, 'The Night Listener': 3.0,'You, Me and Dupree': 2.0},'Jack Matthews': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0,'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5},'Toby': {'Snakes on a Plane': 4.5, 'You, Me and Dupree': 1.0, 'Superman Returns': 4.0}}

我们知道如何为指定人员寻找品味相近者，通过欧氏距离或者皮尔逊相关度系数。假如我们想了解哪些商品之间是彼此接近的，又该如何做呢。这一现实应用即是，各大电商网站的“浏览该商品的用户同时购买了”诸如此类的推荐。

我们通过查看哪些人喜欢某一特定物品，如同某个人喜欢哪些商品一样，然后像定义用户之间的相似度一样，定义商品之间的相似度。

def transformPrefs(prefs):result = {}for p in prefs:for item in prefs[p]:result.setdefault(item, {})result[item][p] = prefs[p][item]# 活脱脱一个转置return result

机器学习基础（三十五）—— 协同过滤（从匹配用户到匹配商品）相关推荐

机器学习基础（十五）—— blending
base algorithm vs meta-algorithm(建立在其他算法基础之上的算法):这是只有集成学习才有的一对概念: uniform blending: (1)blending:TT 个 ...
机器学习知识点(三十五)蒙特卡罗方法
强化学习中免模型学习采用蒙特卡罗方法去逼近最优解,那这种采样原理是怎样的呢? 1.蒙特卡罗思想是一类随机方法的统称.这类方法的特点是,可以在随机采样上计算得到近似结果,随着采样的增多,得到的结果是正 ...
机器学习（三十五）——Actor-Critic, Integrating Learning and Planning（1）
Actor-Critic 概述 MC策略梯度方法使用了收获作为状态价值的估计,它虽然是无偏的,但是噪声却比较大,也就是变异性(方差)较高.如果我们能够相对准确地估计状态价值,用它来指导策略更新,那么是 ...
Android 项目必备（三十五）--＞登录界面—用户协议解决方案
文章目录效果图代码实现效果图一般来说每个 app 都有这个用户协议阅读相关的功能,之前做的都是一个协议,也都是单行的,完全没有复杂度,可以一个 checkbox 加上一个 textview 来 ...
[Python从零到壹] 三十五.图像处理基础篇之OpenCV绘制各类几何图形
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
【零基础学Java】—System类（三十五）
[零基础学Java]-System类(三十五) java.lang.System 类中提供了大量的静态方法,可以获取与系统相关的信息或系统级操作在System类的API文档中,常用的方法有: pub ...
吴恩达机器学习训练秘籍整理三十三到三十五章（五）
第三十三章为何与人类表现水平进行对比: 许多机器学习系统的设计目的是想要自动化一些人类可以处理得很好的事情,可举的例子有图像识别.语音识别以及垃圾邮件分类等等.此外,有许多理由表明在处理人类擅长的任 ...
LINUX学习基础篇（三十五）日志管理
LINUX学习基础篇(三十五)日志管理日志管理系统中常见的日志文件日志文件格式 rsyslogd服务的配置文件日志轮替 logrotate配置文件配置文件夹 /etc/logrotate.d ...
JAVASE基础模块三十五（线程线程创建的第一种方法以及线程的一些方法）
JAVASE基础模块三十五( 线程线程创建的第一种方法以及线程的一些方法) 线程首先要清楚的是线程依赖于进程进程是正在运行的应用程序一个正在运行的应用程序是个进程这个应用程序又要执 ...
Python编程基础：第三十五节文件删除Delete a File
第三十五节文件删除Delete a File 前言实践前言我们这一节来介绍如何删除一个文件,这里需要用到函数os.remove(path)用于删除指定路径下的文件,os.rmdir(path) ...

机器学习基础（三十五）—— 协同过滤（从匹配用户到匹配商品）

机器学习基础（三十五）—— 协同过滤（从匹配用户到匹配商品）相关推荐

最新文章

热门文章