recommendation-engine

    1熱

    1答えて

    アイテムベースのコラボレーティブフィルタの最小データ量

    アイテムベースのコラボレーションフィルタを使用してレストランの推奨事項を作成する推奨エンジンで作業しています。各レストランには1〜5の評価でレビューがあります。 すべての推奨アルゴリズムはデータの希薄さに問題を抱えているので、正しい相関を計算するソリューションを探していました。 私はレストラン間の調整された余弦の類似性を使用しています。 レストラン間の類似度を計算する場合は、両方のレストランを評価
    recommendation-engine cosine-similarity collaborative-filtering 2016-11-09

    0熱

    1答えて

    パーソナライズドページランク

    私はパーソナライズされたページランクアルゴリズムとそれがどのように動作するかについて私の頭を抱かせようとしています。私はこのグラフを示すthis paperを見つけました：see link to image below重量はPPRで計算されます。私は彼らが与えるモデルで計算を再現するのが難しいです。 私はコンセプトの周りを頭で包み込むのを助けるために誰もがそれを打ち破ることができますか？ ありがと
    recommendation-engine pagerank 2016-11-09

    1熱

    1答えて

    調整済みコサイン類似度と正規コサイン類似度の選択

    調整コサイン類似度を使用するアイテムベースのCFで作業しています。私は最近、一般的なコサインの類似性を追加して、私はまったく異なる結果を得ました。今私の質問は、私のデータをより良く理解できるものですか？ これは、このデータを考慮すると、ユーザー、アイテムおよび評価 User 1 | User 2 | User 3 | User 4 | User 5 Item 1 | 5 | 1 | 1 |
    recommendation-engine cosine-similarity collaborative-filtering 2016-11-21

    -1熱

    1答えて

    インデックス5688は、軸3706の外にあります

    私は推奨システムを作成するためのトレーニングを受けています。私はサイトからデータを取るhttp://grouplens.org/datasets/movielens/ import numpy as np import pandas as pd header = ['user_id', 'item_id', 'rating', 'timestamp'] df = pd.read_csv('m
    python-3.x numpy recommendation-engine 2016-11-27

    0熱

    1答えて

    graphawareでユーザーベースの推奨を取得する方法neo4j-reco

    graphawareでユーザーベースの推奨事項を取得する必要があり、その方法を知りません。私が見る限り、graphawareのneo4j-recoから得られるようなものは、「買った人を買った人」のような項目類似点です。しかし、私が興味を持っているのは、あなたの前の購入に基づいて、あなたのために推薦されたようなユーザベースの推薦です。どのようにそれを行うにはどのようなアイデア？
    neo4j recommendation-engine graphaware 2016-11-27

    0熱

    1答えて

    おすすめシステムの品質を測定する

    推奨システムが返したスコアをどのように解釈するかを理解したいと思います。 私は、ユーザーと本の間に1-5個の星を使っていくつかのやりとりをしています（5は最大です）。私はテストデータセットの評価を実行し、場合によっては、トレーニングデータセットの最大スコアを上回る5.9という評価スコアを実行します。 これらの見積もりを無視すべきですか？私は最高の推奨事項を得るためにスコアのためのしきい値を見つける
    recommendation-engine collaborative-filtering 2016-11-28

    2熱

    1答えて

    Microsoft認知サービス推奨

    私はMicrosoft認知サービス推奨を使用しようとします。私は正常にモデルを作成し、カタログファイルをモデルにアップロードします。しかし、私は使用ファイルをアップロードすることはできません。 、47 0003BFFDC7118D12,58152c638b48593df4277c9c： 0003BFFDC7118D12,58152c638b48593df4277cd7,2015/06/10T01：
    recommendation-engine microsoft-cognitive 2016-12-01

    0熱

    1答えて

    Tableau + R：Cholmodエラー '無効なrset'

    私はTableauで推奨システムを構築しています。以下のコードでは、arg値は列ベクトルとして渡されています。 library(reshape2); library(recommenderlab); curUser = .arg1; df <- data.frame(username=.arg1, workbook=.arg2, value=.arg3); recMatrix <- as(
    r tableau recommendation-engine 2016-12-07
最新の質問