首页
互助圈
新手教程
进阶之路
算法原理
架构设计
JAVA进阶
C/C++进阶
Python进阶
JavaScript
数据库
大数据
消息服务
源码解读
JAVA源码
Spring源码
数据库
消息服务
Dubbo源码
面试指南
大厂专栏
面试技巧
面试经验
面试题库
开发资料
文档资料
工具软件
电子书籍
小牛导航
在线工具
登录
当前位置:
首页
>
文档资料
>
面向程序员的数据挖掘指南
>
推荐系统入门
优质
小牛编辑
133浏览
2023-12-01
本章将介绍协同过滤,基本的距离算法,包括曼哈顿距离、欧几里得距离、闵科夫斯基距离、皮尔森相关系数。使用Python实现一个基本的推荐算法。
内容:
推荐系统工作原理
社会化协同过滤工作原理
如何找到相似物品
曼哈顿距离
欧几里得距离
闵可夫斯基距离
皮尔逊相关系数
余弦相似度
使用Python实现K最邻近算法
图书漂流站(BookCrossing)数据集
免责声明:
以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。