推荐系统（1）

推荐系统，一个神奇的东西！！！！

是怎么做到推荐的？  比如抖音，为什么推荐的视频给人的感觉很舒适？

　　推荐系统的思想是什么？？

　　　　物以类聚，人以群分！！！！！

 

 

 

 

 

用户的基本信息    商品的基本信息   用户的行为

 

 

 

 （对于 用户的行为： 比如收藏、点赞、评论   可以通过查询业务数据库中来进行获取

　　 对于浏览、点击这些行为  通过查询日志来进行获取 ）

 

机器学习：

　　通过输入海量数据，得到模型，然后用模型来去处理后续的输入。   模型是什么？？ 怎么确定的模型？？？

 

线性回归：  （目的就是让 损失函数最小，也就是确定 让损失函数最低时的 模型的系数）  解决的是回归问题（输出结果是连续的）

　　通过 最小二乘法， （根据损失函数最低，来得到模型的参数）    

　　（线性回归的模型是固定的，然后通过公式推导，得到关于模型的系数的公式，通过输入的数据，来求解公式，得到模型的系数的值，然后用这个模型来进行后面的预测 》》》》 一个关键点，模型的选取！！！ 如果模型选的就不是很好，那么效果肯定不好！！！！）　　

　　通过 梯度下降法

 

KNN:  k近邻

　　找距离最近的k个元素，标签选为最近的k个元素中，分类最多的那一个。

　　　　》》》》  不需要判断模型，只需要判断输入的元素 和 已有的有标签的元素的距离，然后找出现的标签次数最多的那一个作为当前标签。

逻辑回归：  解决的是分类问题 （输出结果是离散的  ）

　　sigmoid 函数， 用来进行 0 - 1 分类

决策树： 解决分类问题