注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. dsc-4-39-06-building-recommendation-system-als-pyspark-seattle-ds-career-040119-源码

  2. 在PySpark中构建推荐系统-实验室 介绍 在最后一个实验中，我们将在Spark编程环境中使用ALS实现一个电影推荐系统。 Spark的机器学习libraray ml随附了非常有效的ALS算法，我们在上一课中已经介绍了该算法。 该实验室将要求您实践一下用于创建和操作pyspark DataFrame的Spark编程技能。 我们将通过逐步的过程逐步发展出使用ALS和pyspark的电影推荐系统，并使用我们在之前的实验中使用的MovieLens数据集。 注意：建议您为完成本实验而大量参考，因为它

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：850kb
    • 提供者：weixin_42127783

  1. Music-Recommender-last.fm:使用Apache Spark的推荐系统-源码

  2. 推荐系统-Last.fm 介绍 问题的背景： 对于在媒体流，电子商务等领域开展业务的公司而言，重要的是要了解其客户可能喜欢的内容。 拥有推荐系统可以通过进行个性化推荐来帮助向客户提供个性化体验。 在此项目中，我们可以利用last.fm中的客户数据来构建推荐系统，该系统可以使用监听历史记录和/或用户信息（例如用户年龄，位置，性别等）提供个性化推荐。 除了构建推荐算法之外，我还使用该项目向自己介绍了Apache Spark。 我已经使用了pyspark的ALS工具来构建基于矩阵分解的推荐算法。

  3. 所属分类：其它

  1. Steam_Recommendation_System:推荐系统，协作过滤，Spark，Hive，Flask，Web爬网程序，AWS EC2，AWS RDS-源码

  2. 项目Steam游戏推荐系统 1概述 关键字：推荐系统，协作过滤，Spark，Hive，Flask，Web爬网程序，AWS EC2，AWS RDS 1.1引言 推荐系统在最近几年变得越来越流行，并且广泛用于电影，音乐，新闻，书籍，研究文章，搜索查询，社交标签和产品等各个领域。 推荐系统或推荐系统是信息过滤系统的子类，其试图预测用户将给予商品的“等级”或“偏好”。 在这个项目中，我通过Spark的ALS（交替最小二乘）API（pyspark.mllib.recommendation.ALS）在

  3. 所属分类：其它

  1. novel_recommendation_system:小说推荐系统-源码

  2. [目录] 小说推荐系统 代码 RecSys_CountVectorizer.ipynb：词频统计后计算余弦相似度。 RecSys_Word2Vec.ipynb：PySpark Word2Vec再计算余弦相似度 数据 存储于data文件夹下。 爬虫获取笔趣阁上的一万部小说信息，如标题，作者，字数，简介信息等。 结果 存储于results文件夹下 CountVectorizer结果 Word2Vec结果

  3. 所属分类：其它

  1. recommend_system:推荐系统与深度学习-源码

  2. 推荐系统由基础算法到深度学习的应用参考 电影推荐系统 标签：Tensorflow，矩阵分解，惊喜，PySpark 1，用Tensorflow实现矩阵分解 1.1，定义one_batch模块 import numpy as np import pandas as pd def read_and_process ( filename , sep = '::' ): col_names = [ 'user' , 'item' , 'rate' , 'timestamp' ] df =

  3. 所属分类：其它

  1. 推荐系统：Pyspark，ALS推荐系统-源码

  2. 推荐系统：Pyspark，ALS推荐系统

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：101kb
    • 提供者：weixin_42105570

  1. 数据科学-源码

  2. 数据科学 数据科学之路 程式设计 • • •Excel •可以轻松使用终端，Git中的版本控制以及使用GitHub • • • ： 访问数据库，CSV和JSON数据 使用熊猫进行数据清理和转换 可视化 仪表板 机器学习： 特征工程 回归算法 分类算法 决策树学习 支持向量机 无监督学习 降维 推荐系统 文字分析 基于内容的协作过滤 评估推荐系统。 DCG，nDCG 合奏方法 引导，装袋和提升 AdaBoost 随机森林 大数据工程基础 Hadoop和MapReduce编程 NoSQL数据

  3. 所属分类：其它

  1. Netflix-Recommender-System：ITCS 6190：用于数据分析的云计算项目。 具有自定义功能实现和库使用的Netflix数据电影推荐引擎-源码

  2. 用于数据分析的云计算：电影推荐系统 作者： 阿迪亚（Aditya Gupta）（ ） Rekhansh Panchal（ ） 11组 概述： 该项目旨在使用云计算的概念来分析并从Netflix数据中提取见解。 该项目的目标是在PySpark的帮助下实现Pearson相关系数和交替最小二乘算法。 电影推荐是使用Netflix数据上的pySpark使用协作过滤实现的。 该项目的主要目的是根据用户的喜好向他们提供电影推荐。 涉及的任务和实施的步骤： 配置Jupyter Notebo

  3. 所属分类：其它

  1. Terry_Resume-源码

  2. 刘Fan 电子邮件： 领英（LinkedIn）： : 教育 数据科学与分析硕士2020.09-2021.12（预计） 香港红Ho香港理工大学 金融数学学士2012.05-2016.06 Wilfird Laurier University滑铁卢，安大略省，加拿大 资质认证 •超过3年的Python，SQL，VBA数据清理，分析和定量建模方面的专业经验•熟悉概率，统计，假设检验和A / B检验•机器学习算法方面的专业知识：线性回归，逻辑回归，决策树，随机森林，SVM，朴素贝叶斯，kNN，K

  3. 所属分类：其它