2019年6月

协方差链接：https://baike.baidu.com/item/%E5%8D%8F%E6%96%B9%E5%B7%AE皮尔逊相关系数链接：https://dwz.cn/2taiqb17

传统上，构建推荐系统有两种方法：（1）基于内容的推荐（2）协同过滤第一种方法需要分析每一项的属性。例如，对每位诗人的诗歌作品进行自然语言处理，然后向用户推荐诗人。但是，协同过滤却不需要有关项或用户本身的任何信息，而是根据用户的过去行为进行推荐。协同过滤协同过滤（CF）是基于用户过去行为的推荐平均值。协同过滤可分两类：基于用户：测量目标用户与其他用户[...]

推荐系统目前已是学术界相当火热的研究方向。很多同学、研究者想要入门推荐系统，但苦于该领域相关资料太多太杂，无从下手。本文收集、整理了和推荐系统相关的书籍、公开课、会议、技术博客、项目代码、最后简要举例推荐系统在不同领域的应用。一、推荐系统入门书籍：1、《推荐系统实践》《推荐系统实践》入门首选。这本书是国内第一本讲推荐系统的书，能让你快速知道如何把学[...]

一、个人观点推荐系统是了解机器学习领域的一个非常优秀的窗口，推荐在机器学习学完之后遇到瓶颈期的同学去了解并且学习。二、推荐领域目前的状态（1）知识结构尚未完善，边界不清楚，学习难度大（2）开源代码主要都是小算法，数据集有限。三、学习建议1、基础知识要求过硬，机器学习领域的东西最好提前弄懂弄扎实再开始2、有比较好的自学能力，自己能在网络上、githu[...]

如何定义距离函数在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则：1) d(x,x)[...]