RBM
RBM 目录 RBM 基础知识 马尔可夫链 马尔可夫性质 马尔可夫链 n次转移矩阵 细致平稳条件 分布抽样 ...
原文：基于RBM的推荐算法
很多人讲RBM都要从能量函数讲起，由能量最低导出极小化目标函数 你听说过最常见的建立目标函数的方法可能是最小化平方误差或者最大化似然函数 ，然后用梯度下降法求解，得到网络参数。Introduction to Restricted Boltzmann Machines这篇博客没有遵循这种套路来讲RBM，它直接给RBM网络权重的训练方法，讲得浅显易懂，清新脱俗。本文只是对英文版的翻译。 在基于LFM ...
2016-05-28 17:38 0 7824 推荐指数：
相关推荐
推荐算法-基于内容的推荐
根据推荐物品的元数据发现物品的相关性，再基于用户过去的喜好记录，为用户推荐相似的物品。 一、特征提取：抽取出来的对结果预测有用的信息 对物品的特征提取-打标签(tag) 用户自定义标签（UGC） 隐语义模型(LFG) 专家标签（PGC） 对文本信息的特征提取-关键词 ...
推荐算法之： LFM 推荐算法
LFM介绍 LFM(Funk SVD) 是利用 矩阵分解的推荐算法： 其中： P矩阵是User-LF矩阵，即用户和隐含特征矩阵 Q矩阵是LF-Item矩阵，即隐含特征和物品的矩阵 R：R矩阵是User-Item矩阵，由P*Q得来 见下图： R评分举证由于物品 ...
推荐算法之电影推荐
两种推荐算法的实现 1.基于邻域的方法(协同过滤)(collaborative filtering): user-based, item-based。 2.基于隐语义的方法(矩阵分解)：SVD。 使用python推荐系统库surprise。 surprise是scikit系列中的一个 ...
为什么我推荐《算法4》
咱们的公众号有很多硬核的算法文章，今天就聊点轻松的，就具体聊聊我非常“鼓吹”的《算法4》。这本书我在之前的文章多次推荐过，但是没有具体的介绍，今天就来正式介绍一下。。 我的推荐不会直接甩一大堆书目，而是会联系实际生活，讲一些书中有趣有用的知识，无论你最后会不会去看这本书，本文都会给你带来一些收获 ...
推荐算法——距离算法
迁移到：http://www.bdata-cap.com/newsinfo/1741432.html 本文内容 用户评分表 曼哈顿（Manhattan）距离 欧式（Euclidean）距离 余弦相似度（cos simliarity） 推荐算法以及数据挖掘 ...
推荐算法（1）——推荐算法的经典套路
0、参考文献 https://mp.weixin.qq.com/s/XD6qFpt8FdLTy2PcrLiTIA 1、 推荐算法套路 （1）排序模型一般都衍生自Google的Wide & Deep模型，有一个浅层模型（LR或FM）负责记忆，DNN负责扩展 （2）特征一般都采用类别 ...
转推荐算法——基于矩阵分解的推荐算法
推荐算法概述 对于推荐系统(Recommend System, RS)，从广义上的理解为：为用户(User)推荐相关的商品(Items)。常用的推荐算法主要有： 基于内容的推荐(Content-Based Recommendation) 协同过滤的推荐(Collaborative ...