聚类分析之K-means算法
聚类分析是根据数据之间的自相似自动分类的。
分类的结果是，类内大相似，类间不相似或小相似。
聚类的分类方法有：
1.划分
2.层次
3.基于密度
4.基于网络
5.基于模型
划分聚类：K-Means算法将数据集划分为K个簇，每隔簇内部的样本都相似。主要步骤： 1.确定K个簇。 2.计算距
...
《推荐系统》读书笔记——协同过滤推荐
在应用协同过滤推荐技术时，除了用户评分数据，我们不需要额外的物品数据。
这样的好处是避免了付出很大的代价向系统提供详细而且实时更新的物品描述信息，但是这种仅基于纯粹的协同过滤的算法却无法根据物品的特性和用户的特殊偏好来客观选择推荐物品的。
本章中，将物品的特征描述为“内容”。因为后面章节部分介绍的大
...
《推荐系统》(蒋凡译)读书笔记——概览
第一章 引言书中首先以在线书店为例，讲述了书店向特定用户推荐相关书籍的推荐系统，引申出推荐系统的类别——个性化推荐与热门推荐。在线书店是个性化推荐系统。每一个人由于其兴趣爱好不同，在系统中会看到不同的列表。当然也会有畅销书的推荐，而畅销书的推荐，显示的是当前用户群体，大众的关注热点，表示
...
《推荐系统》读书笔记——协同过滤推荐
协同过滤推荐的主要思想：利用已有用户群过去的行为或意见预测当前用户最可能喜欢哪些东西或对哪些东西感兴趣。
此类的系统在在线零售系统中成为对用户需求个性化定制内容的工具。
纯粹的协同过滤方法的输入数据只有给定的用户—物品评分矩阵，输出数据一般有以下几种类型：
1. 表示当前用户对物品喜欢或者不喜欢程度
...
《推荐系统》读书笔记——基于知识的推荐
CF系统需要用户的评分数据作为知识源，向用户推荐商品，而不需要输入并维护其他的附加信息。
基于内容的推荐系统主要应用的知识源包括类别和体裁信息，还有从文档中提取的关键词。这两种方法的优势在于能以相对较小的代价获取并维护这些知识。
但是日常生活中，纯粹的CF系统会由于评分数据很少而效果不好，而且时间因
...