完整代码及其数据，请移步小编的GitHub传送门：请点击我如果点击有误：https://github.com/LeBron-Jian/BasicAlgorithmPractice引言：从斐波那契数列看动态规划斐波那契数列：Fn = Fn-1 + Fn-2（ n = 1,2 fib(1) = fib(2) = 1）练习：使用递归和非递归的方法来求解斐波那契数列的第 n 项代码如下：# _*_codi
转载
2024-06-23 11:51:23
38阅读
一、算法原理 基于物品的协同过滤推荐的原理和基于用户的原理类似，只是在计算邻居时采用物品本身，而不是从用户的角度，即基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好推荐相似的物品给他。从计算的角度看，就是将所有用户对某个物品的偏好作为一个向量来计算物品之间的相似度，得到物品的相似物品，根据用户历史的偏好预测当前用户还没有表示偏好的物品，计算得到一个排序的物品列表作为推荐。例如下图，用户A
转载
2023-12-15 17:35:36
46阅读
PersonRank的原理同PageRank与TextRank算法，其基本原理都是基于随机游走而来。要想从深层次的理解PersonRank这类算法，必须从微观上观察数据的具体流向过程，所以这次就把随机游走前两步的过程描述出来，在心里有个大概的印象。1. 随机游走下图描述的是三个用户与四件商品之间的关系，连线表示购买记录，所以边不设置权重，由图可以看出A 购买过： a、c
B 购买过： a、b、c、
转载
2023-10-11 08:57:15
162阅读
这篇文章我推荐 10个实用的Python库，每一个都是同类库下的佼佼者，试用过后保准你会爱上，要学就学这样的库。这里面有FastAPI的升级版Typer、将CLI变成彩色的Rich、基于GUI框架的Dear PyGui、还有精简报错信息的PrettyErrors……下面就让我们一起来看看吧~ 1、TyperTyper跟FastAPI的原理相同，都是Python上用来构建API服务的一个高
转载
2023-06-25 11:16:29
140阅读
卫星云图天气预报软件为用户带来实况高清云图天气分享，通过云气数据查看全球气象动态，一键滑动找到自己想要关注的地点进行实时分析，查看天气情况，进行实时天气动态数据查看，一键了解台风和气象等，进行流畅的天气分析。卫星云图天气预报软件特色1.查看实时在线天气，用独特的视角查看天空和太空气象，利用卫星监控的方式为用户发送实时气象数据和地球动态；2.为出行做好准备，是查看天气的便利软件，免费使用天气查看功能
转载
2023-10-18 17:49:17
5阅读
2022年已经到来，在此祝大家虎年大吉！2022年，下面几种机器学习算法和 Python 库将在未来更受欢迎！让我们花个几分钟一起来了解下：一、CatBoostCatBoost 可能是最新的算法，因为它随着越来越流行而不断更新。这个机器学习算法对于处理分类数据的数据科学家特别有用。您可以考虑 Random Forest 和 XGBoost 算法的优点，CatBoost 具有它们的大部分优点，同时还
转载
2023-09-20 07:42:41
123阅读
最近几年简单浏览和对比了一些智能算法的库。现将各种库的主要信息、相关优缺点简单整理如下，各位同学可根据自己的需求和喜好进行选择。 文章目录1、DEAP2、mealpy3、scikit-opt （国产良心）4、Geatpy2（国产用心）5、pygmo26、pyswarms7、SciPy(想不到吧)小结 1、DEAP项目地址：https://github.com/DEAP/deap安装：pip ins
转载
2023-07-29 08:58:42
466阅读
推荐系统： 类似淘宝根据你买过或者浏览过的东西，自动推荐你一些商品。我们要做的是两种推荐：一、基于用户过滤 （1）要收集不同人的偏好，以电影为例——建立一个字典，里面包含用户、用户看的电影和看完电影后打分的数据。可以根据对相同电影得分情况的类似程度来说明用户之间的相似性。  
转载
2024-04-02 10:28:28
29阅读
协同过滤分为 memory-based 和 model based 1. memory-based 利用用户物品之间相似度进行推荐一种是 item-item 即喜欢这个物品的用户还喜欢..一种是 user-item 即与你有相似爱好的用户还喜欢..现在有个评分矩阵R，行表示用户，列表示物品，R(i,j)表示用户i对物品j的评分，R(:,j)表示所有用户对物品j的
转载
2023-06-26 11:40:39
139阅读
文章目录0 前言【机器学习】基于逻辑回归，LightGBM,XGBoost额的分类预测一.基于逻辑回归的分类预测1 逻辑回归的介绍和应用1.1 逻辑回归的介绍1.2逻辑回归的应用2.Demo实践**Step1:库函数导入****Step2:模型训练****Step3:模型参数查看****Step4:数据和模型可视化****Step5:模型预测**3.基于鸢尾花（iris）数据集的逻辑回归分类实践
转载
2023-09-27 13:00:02
217阅读
前言接收者操作特征曲线(ROC)可以用来对分类器的表现可视化，可以依据分类器在ROC上的表现来选择最终的模型。分类性能TP、FP、TN、FN以二分类问题为例，每个实例I将会被映射到正例和负例上{p，n}。模型会将每个实例一个预测结果，结果可能是连续的，也可能是离散的；对于连续的结果，需要根据阈值再进行分类。为了和分类标签区分，我们使用{Y，N}表示每个样本的预测结果。给定一个分类器和一个样本，会有
转载
2023-12-15 10:25:22
64阅读
NCF知识总结代码实现1. NeuralCF 模型的结构1.1 回顾CF和MF1.2 NCF 模型结构1.3 NeuralCF 模型的扩展---双塔模型2. NCF代码实现2.1 tensorflow2.2 pytorch NeuralCF：如何用深度学习改造协同过滤？随着技术的发展，协同过滤相比深度学习模型的弊端就日益显现，因为它是通过直接利用非常稀疏的共现矩阵进行预测的，所以模型的泛化能力非
转载
2024-02-23 18:01:30
131阅读
1基于内容的推荐基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。主要是从两个方法来描述基于内容的推荐方法：启发式的方法和基于模型的方法。启发式的方法就是用户凭借经验来定义相关的计算公式，然后再根据公式的计算结果和实际的结果进行验证，然后再不断修改公式以达到最终目的。而对于模型的方法就是根据以往的数据
转载
2023-10-08 10:51:48
108阅读
一般电影公司制作一部新电影推向市场时，要想获得成功，通常要了解电影市场趋势，观众喜好的电影类型，电影的发行情况，改编电影和原创电影的收益情况，以及观众喜欢什么样的内容。所以本文就依样画葫芦来做一个有关电影行业的数据分析。（电影行业我不是专业，重在让大家学习一个过程）源码下载地址见文末。一、提出问题本案例来源于kaggle上的TMDB 5000 Movie Dataset数据集，为了探讨电影数据可视
转载
2023-08-10 13:05:32
223阅读
每个人都会有这样的经历：当你在电商网站购物时，你会看到天猫给你弹出的“和你买了同样物品的人还买了XXX”的信息；当你在SNS社交网站闲逛时，也会看到弹出的“你可能认识XXX“的信息；你在微博添加关注人时，也会看到“你可能对XXX也感兴趣”；等等。所有这一切，都是背后的推荐算法运作的结果。最经典的关联规则算法是大名鼎鼎的Apriori算法，源自一个超市购物篮的故事：啤酒总是和尿布一起被购买。有兴趣的
转载
2023-10-08 10:03:20
100阅读
数据回归分类预测的基本算法及python实现关于数据的回归和分类以及分析预测。讨论分析几种比较基础的算法，也可以算作是比较简单的机器学习算法。一． KNN算法邻近算法，可以用来做回归分析也可以用来做分类分析。主要思想是采取K个最为邻近的自变量来求取其应变量的平均值，从而做一个回归或者是分类。一般来说，K取值越大，o
转载
2023-06-07 21:53:11
307阅读
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
#自定义字体,解决中文显示问题
plt.rcParams['font.family'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'
转载
2023-06-29 14:49:01
146阅读
一、评估算法的方式分两种，一种是分类算法的评估，一种是回归算法的评估。为什么要分两种呢，因为分类算法中可以通过准确率、精准率、召回率、混淆矩阵、AUC来评估算法的准确度。但是在预测值的时候是没有办法去获得这个准确值（比如分类对了，那就对了，错了就是错了，可以通过对错来统计准确率），那么回归算法的方式，就通过均方误差来确认算法的准确度。 二、分类算法的评估（以K-近邻算法来说）knn = KN
转载
2023-05-27 16:14:59
449阅读
现在比较流行的开源库mahout，能够与hadoop集成，里面实现了很多推荐算法、数据挖掘算法等；还有一个完整的开源软件：easyrec，地址http://easyrec.org/；一个基于mahout的推荐系统：Myrrix。SVDFeature 由上海交大的同学开发的，C++语言，代码质量很高 。去年我们参加KDD竞赛时用过，非常好用，而且出自咱们国人之手，所以置顶推荐！ 项目地址： ht
转载
2023-08-14 14:39:34
96阅读
一、定义UserCF：推荐那些和他有共同兴趣爱好的用户喜欢的物品ItemCF：推荐那些和他之前喜欢的物品类似的物品
根据用户推荐重点是反应和用户兴趣相似的小群体的热点，根据物品推荐着重与用户过去的历史兴趣，即：UserCF是某个群体内的物品热门程度ItemCF是反应本人的兴趣爱好，更加个性化二、新闻类网站采用UserCF的原因：用户大都喜欢热门新闻，特别细粒度的个性化可忽略不计个性化新闻推荐更强调
转载
2023-11-13 22:46:17
51阅读
