赵大寳Note

摘要： 最开始记录博客是在博客园这里的，后来又接触到CSDN，个人感觉博客园界面比较简陋，风格比较偏古板，似乎很久没有更新的样子，CSDN界面模块丰富，后来决定把博客搬迁到CSDN，于是用到了CSDN里面的博客搬家功能。CSDN用了几个月之后感觉在流量方面不能和博客园比啊。 CSDN里面： 而博客园里面： 阅读全文

摘要： 将博客搬至CSDN：http://blog.csdn.net/u010412858 阅读全文

摘要： https://www.quora.com/Machine-Learning/What-are-hyperparameters-in-machine-learning 阅读全文

摘要： 心好累，从最开始的32位Python2.7，做MovieLens1M试验就直接内存报错了，后来换成了64位Python2.7，最近做文本读取试验又遇到编码问题，另一台电脑的64位Python却没问题，这里索性把自己的主要Python开发环境换成64为Python3.5，那就记录下来吧，以后还是用最新 阅读全文

摘要： 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 squar 阅读全文

摘要： 本文试验前期准备： 本文试验内容翻译自：http://blog.ethanrosenthal.com/2015/11/02/intro-to-collaborative-filtering/ Sparsity: 6.30% 数据稀疏度：6.3% 分别计算user相似性和item相似性，并输出item 阅读全文

摘要： KNN求相似用户或相似项目，根据相似用户或项目来辅助预测用户对项目的评分，指标一般是RMSE MAETOPN，可以理解为，在预测用户对未选择项目的评分，然后排序， 取前TOPN个项目（用户没有选择过的）推荐给用户，看命中率，指标一般是RECALL PRECISION AUC TopN和kNN目的不同 阅读全文

摘要： http://daniellife.blog.163.com/blog/static/241442066201493011435920/ 阅读全文

摘要： K-Means K-Medoids 初始据点随机选取 初始随机据点限定在样本点中 使用Means（均值）作为聚点，对outliers（极值）很敏感 使用Medoids(中位数)作为聚点 对数据要求高，要求数据点处于欧式空间中 可适用类别（categorical）类型的特征——（4） 时间复杂度：O( 阅读全文

该文被密码保护。 阅读全文