机器学习： 自己的理解，机器学学习是一门多领域的交叉学科，专门研究计算机怎么模拟或者实现人类的学习方式和行为，以获取新的知识和技能，重新组织已有的知识结构和性能。 1.读《大数据工程师飞林沙的年终总结&算法数据的思考》 推荐系统:涉及到不懂的名词 1.1这个是一篇博客 ...

机器学习热度增长，对机器学习从业者的指导和机器学习日常开发中的细节，在日常开发中需要解决实际问题时就拿过来翻一翻。在构建真实的机器学习系统时的参考。例如，假设你有一个JSON文件，其中包含1000个具有缺失值的分类特征和数值型特征，并且目标向量的分类不均衡，你想得到一个可解释的模型。提供 ...

概括分类： 1） 基于内容的推荐：这一类一般依赖于自然语言处理NLP的一些知识，通过挖掘文本的TF-IDF特征向量，来得到用户的偏好，进而做推荐。这类推荐算法可以找到用户独特的小众喜好，而且还有较好的解释性。这一类由于需要NLP的基础，本文就不多讲，在后面专门讲NLP的时候再讨 ...

在上周我写了一篇“基于机器学习的银行电话营销客户购买可能性预测分析”，那是作为对客户购买可能性预测分析的第一次验证案例的尝试。今天是基于机器学习的客户购买可能性预测分析的第二次验证案例：推荐系统。 推荐系统 基于热度推荐：由专家或者一定时期产品销售情况或者主推产品，制作一个排行榜，在没有用 ...

在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。本文将带你深入了解协同过滤的秘密。下面直接进入正题. 1. 什么是推荐算法 推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大 ...

一个合适的监督学习算法进行训练，得到模型后，为客户推荐偏好的内容，如头条的话，就是咨询和文章，美团的就是 ...

0、序言 最近因为PAC平台自动化的需求，开始探坑推荐系统。这个乍一听去乐趣无穷的课题，对于算法大神们来说是这样的： 而对于刚接触这个领域的我来说，是这样的： 在深坑外围徘徊了一周后，我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法，作为初探 ...