摘要: 第九章 推荐系统算法详解9.1 常用推荐算法分类9.1.1 基于人口统计学的推荐与用户画像9.1.2 基于内容的推荐与特征方程9.1.3 基于协同过滤的推荐 第九章 推荐系统算法详解 9.1 常用推荐算法分类 9.1.1 基于人口统计学的推荐与用户画像 9.1.2 基于内容的推荐与特征方程 特征按照阅读全文
posted @ 2019-05-18 08:23 黑泽君 阅读(152) 评论(0) 编辑
摘要: 第七章 监督学习--简单线性回归模型7.1 最小二乘法求解线性回归7.2 梯度下降法求解线性回归7.3 调用 sklearn 库求解线性回归第八章 监督学习--分类模型8.1 K 近邻(KNN)模型8.2 逻辑斯蒂回归模型8.3 决策树模型第九章 无监督学习--K 均值聚类模型9.1 聚类--k 均阅读全文
posted @ 2019-05-18 08:20 黑泽君 阅读(37) 评论(0) 编辑
摘要: TF-IDF算法代码示例0.引入依赖1.定义数据和预处理2.进行词数统计3.计算词频 TF4.计算逆文档频率 IDF5.计算 TF-IDF TF-IDF算法代码示例 0.引入依赖 import numpy as np # 数值计算、矩阵运算、向量运算import pandas as pd # 数值分阅读全文
posted @ 2019-05-18 08:17 黑泽君 阅读(75) 评论(0) 编辑
摘要: LFM--梯度下降法--实现基于模型的协同过滤0.引入依赖1.数据准备2.算法的实现3.测试 LFM--梯度下降法--实现基于模型的协同过滤 0.引入依赖 import numpy as np # 数值计算、矩阵运算、向量运算import pandas as pd # 数值分析、科学计算 1.数据准阅读全文
posted @ 2019-05-18 08:17 黑泽君 阅读(77) 评论(0) 编辑
摘要: 无监督学习--聚类模型--K 均值0.引入依赖1.数据的加载和预处理2.算法实现3.测试 无监督学习--聚类模型--K 均值 0.引入依赖 import numpy as npimport matplotlib.pyplot as plt# 这里直接 sklearn 里的数据集from sklear阅读全文
posted @ 2019-05-18 08:16 黑泽君 阅读(29) 评论(0) 编辑
摘要: 有监督学习--简单线性回归模型(调用 sklearn 库代码实现)0.引入依赖1.导入数据(data.csv)2.定义损失函数3.导入机器学习库 sklearn4.测试:运行算法,从训练好的模型中提取出系数和截距5.画出拟合曲线6.附录-测试数据 有监督学习--简单线性回归模型(调用 sklearn阅读全文
posted @ 2019-05-18 08:15 黑泽君 阅读(43) 评论(0) 编辑
摘要: 有监督学习--分类模型--K 近邻(kNN)0.引入依赖1.数据的加载和预处理2.核心算法实现3.测试4.自动化测试 有监督学习--分类模型--K 近邻(kNN) 0.引入依赖 import numpy as np # 数值计算、矩阵运算、向量运算import pandas as pd # 数值分析阅读全文
posted @ 2019-05-18 08:15 黑泽君 阅读(91) 评论(0) 编辑
摘要: 有监督学习--简单线性回归模型(梯度下降法代码实现)0.引入依赖1.导入数据(data.csv)2.定义损失函数3.定义模型的超参数4.定义核心梯度下降模型函数5.测试:运行梯度下降算法,计算最优的 w 和 b6.画出拟合曲线7.附录-测试数据 有监督学习--简单线性回归模型(梯度下降法代码实现) 阅读全文
posted @ 2019-05-18 08:14 黑泽君 阅读(63) 评论(0) 编辑
摘要: 有监督学习--简单线性回归模型(最小二乘法代码实现)0.引入依赖1.导入数据(data.csv)2.定义损失函数3.定义模型拟合函数4.测试:运行最小二乘算法,计算 w 和 b5.画出拟合曲线6.附录-测试数据 有监督学习--简单线性回归模型(最小二乘法代码实现) 0.引入依赖 import num阅读全文
posted @ 2019-05-18 08:13 黑泽君 阅读(76) 评论(0) 编辑