美文网首页
Surprise 框架

Surprise 框架

作者: 断舍离_0025 | 来源:发表于2018-10-11 15:06 被阅读0次

    Surprise官方文档参考
    源码参考

    Surprise 是Python下的一个推荐算法实现的库,Python首选。
    Surprise支持常见的推荐算法:

    • 基础算法(baseline algorithm)
    • 协同过滤算法(基于近邻算法)
    • 矩阵分解算法 matrix factorization-based(SVD PMF SVD++ NMF)
    算法 描述
    random.NormalPredictor() 基于统计的推荐系统预测打分,假定用户打分的分布是基于正态分布的
    BaselineOnly 基于统计的基准预测线打分
    knns.KNNBasic 基本的协同过滤算法
    knns.KNNWithMeans 协同过滤算法的变种,考虑每个用户的平均评分
    knns.KNNWithZScore 协同过滤算法的变种,考虑每个用户评分的归一化操作
    knns.KNNBaseline 协同过滤算法的变种,考虑每个用户评分的基线
    matrix_factorzation.SVD SVD 矩阵分解算法
    matrix_factorzation.SVDpp SVD++ 矩阵分解算法
    matrix_factorzation.NMF 一种非负矩阵分解的协同过滤算法
    SlopeOne SlopeOne 协同过滤算法
    相似度度量指标 描述
    cosine 计算所有用户或者物品之间的余弦相似度
    msd 计算所有用户或者物品之间的平均平方差相似度

    基于统计的推荐算法

    Normal Perdictor 认为用户对物品的评分是服从正态分布的,从而可以根据已有的评分的均值方差 预测当前用户对其他物品评分的分数。
    f(r_{ui}) = \frac{1}{ \sqrt{2 \pi}\sigma_u}e^{-\frac{({r_{ui} - \mu_u)}^2 }{2 \sigma^2_u}}
    基于大数定理或者使用最大似然估计

    相关文章

      网友评论

          本文标题:Surprise 框架

          本文链接:https://www.haomeiwen.com/subject/ylufaftx.html