文件名称:
海量数据下奇异值分解推荐算法的改进与实现
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-01-13
详细说明:推荐引擎是信息服务的一项重要内容,为了提高推荐算法的准确性,本文在推荐场景中尝试使用奇异值分解算法(SVD),并引入差分矩阵对其进行改进,通过爬取网络中的真实数据,并对爬取的数据进行预处理,使用Python语言对协同过滤、k-means聚类、传统奇异值分解以及改进后的奇异值分解4种算法在推进场景中的运用进行仿真实现,采用控制变量的方式,以平均绝对误差(MAE)作为推荐准确性的度量标准,对不同算法的准确性进行比较、分析,最终得出4种算法准确性上的差异。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.
相关搜索: