10.5 推荐算法与效果评价 不同应用场景中推荐算法的评估方式不一定相同，主要集中在五个方面： 1、准确率、召回率及覆盖率评价 2、流行度与多样...

10.4 基于潜在因子算法的推荐 基于潜在因子算法也是广泛应用与推荐领域的算法，之所以称其为潜在因子，其原因在于这些因子不是通过表面的现象即可实...

10.3 基于User-Based协同过滤推荐 User-Based以用户的历史行为是基础，发掘出用户的特征，并将具有相同特征的用户划分为一个类...

10.2 基于Item-Based协同过滤推荐 Item-Based协同过滤推荐是基于商品本身属性之间的关联性分析，最基本的思想是计算物品与物品...

10.1 概要 推荐系统最核心的是推荐算法。对于电商平台而言推荐算法是用户与商品之间默契的枢纽站，为用户推荐可能感兴趣或者价值的商品信息。 10...

9.3 基于Eclat算法的频繁项集挖掘 Eclat算法是一种与FP-Growth算法，Apriori算法思路不尽相同的算法，它是利用倒排索引的...

9.2 基于FP-Growth算法的关联性分析 FP-Growth算法同Apriori算法一样，是一种有效的关联分析算法。 相对于Apriori...

9.1 基于Apriori算法的关联分析 Aprior算法是关联规则分析中较为经典的频繁项集算法。关联规则反映的是两个或多个事物相互之间的依存性...

8.4 基于随机森林的决策分类 随机森林是一种一个包含多个决策树的分类器，是用随机的方法建立一个森林，森林里面由很多的决策树组成，且这些决策树之...