-
- 建林大大 2021-01-10
合并公式：
1
-
截图0赞 · 0采集
-
- 建林大大 2021-01-10
协同过滤
公式二：
-
截图0赞 · 0采集
-
- 建林大大 2021-01-10
推荐系统：
大公式——
-
截图0赞 · 0采集
-
- aqw601523118 2019-10-31
- 推荐系统的原理
-
截图0赞 · 0采集
-
- 前端侠 2019-08-27
协同过滤算法模型
-
截图0赞 · 0采集
-
- 前端侠 2019-08-27
内容推荐系统的算法模型
-
截图0赞 · 0采集
-
- 东小刀 2019-07-29
基于内容的推荐系统
- 0赞 · 0采集
-
- emotion1 2019-03-12
协同过滤。
公式
-
截图0赞 · 0采集
-
- emotion1 2019-03-12
协同过滤。
-
截图0赞 · 0采集
-
- emotion1 2019-03-12
基于内容的推荐系统
-
截图0赞 · 0采集
-
- 慕粉2031482943 2018-08-22
- 内容与评价
-
截图0赞 · 0采集
-
- 慕桂英5283843 2018-05-21
阿桑大事大的
- 0赞 · 0采集
-
- 聪聪不匆匆 2018-05-21
基于内容的推荐系统
-
截图1赞 · 0采集
-
- 精慕门1301792 2018-05-15
- ggf
-
截图0赞 · 0采集
-
- imblackhat 2018-05-12
基于内容的推荐系统
根据用户电影评分表和电影内容矩阵X就能求出一个用户喜好矩阵theta，包含每个用户对不同类型电影的喜好程度。theta乘以X能得到用户电影评分表
-
截图0赞 · 0采集
-
- imblackhat 2018-05-12
在前面求解电影内容矩阵X和用户喜好矩阵theta时发现，公式第一项是一样的，所以合并为一个公式，好处是只要用户对电影的评分即可，不需收集其他信息。
m为电影的数量
-
截图0赞 · 1采集
-
- imblackhat 2018-05-12
协同过滤
-
截图0赞 · 0采集
-
- imblackhat 2018-05-12
基于内容的推荐系统的代价函数。
缺点：电影内容矩阵构建麻烦，即如何计算电影中的爱情成分，武侠成分。。。
-
截图0赞 · 0采集
-
- 凌凌9 2018-05-07
- 基于内容的推荐系统
-
截图0赞 · 1采集
数据加载中...