Публикации по теме 'recommender-systems'
Введение в машинное обучение для рекомендаций на основе контента
Моя последняя заметка была посвящена тому, как можно использовать уникальный тип обучения с учителем для обнаружения аномалий. На этой неделе мы рассмотрим один пример, чтобы проиллюстрировать, как машинное обучение можно использовать для предоставления людям рекомендаций на основе контента .
Пример: рекомендации фильмов
Допустим, у нас есть веб-сайт, на котором размещены фильмы для просмотра пользователями, где пользователи могут оценивать каждый фильм по шкале от 0 до 5 звезд, и..
Ежеквартальный обзор — Q2
Зима 2017. Вторая четверть аспирантуры. Квартал был таким же холодным и жестоким, как погода. Находясь в прибрежном индийском городе, в котором никогда не бывает однозначных температур, этот квартал был полностью одноградусным и с презренными поздними вечерними занятиями.
TL;DR; резюме этого квартала должно быть кофе, проект, больше кофе, бумага; спать; Домашнее задание, прямо с первого дня. Мои первые две недели были потрачены на одитирование такого большого количества классов, что у..
Разложение собственных значений (EIG) и разложение сингулярных значений (SVD) для машинного обучения
В этом посте я собираюсь объяснить, что представляют собой разложение собственных значений (EIG) и разложение сингулярных значений (SVD) и как они применяются в машинном обучении.
Собственное разложение (EIG)
Собственные векторы и собственные значения
Когда существует матрица A , мы называем v собственным вектором матрицы, если он создает удлиненную или сжатую версию вектора. Коэффициент удлинения или сжатия равен λ , собственному значению матрицы A .
Например, для следующей..
Введение в рекомендательные системы
Понимание концепций, лежащих в основе рекомендательных систем, и принципов их работы.
Вы когда-нибудь были на Amazon.com и задавались вопросом, как им удается показывать вам персонализированный контент на основе истории ваших покупок или просмотров?
Это достигается с помощью очень многообещающей технологии под названием Системы рекомендаций .
Хотя рекомендательные системы были довольно популярны в академических кругах, распространение смартфонов привело к увеличению их..
Построение инкрементальной рекомендательной системы
Рекомендательная система должна идеально адаптироваться к изменениям по мере их появления.
Learning Rate - это информационный бюллетень для тех, кто интересуется миром AI и MLOps. Каждую пятницу вы будете получать от меня обновления и мысли о последних новостях и статьях об искусственном интеллекте. Подпишитесь здесь !
Часть II этой истории теперь публикуется на сайте Towards Data Science ниже.
Построение системы дополнительных рекомендаций: Часть..
RecList 2.0: систематическое тестирование моделей машинного обучения с открытым исходным кодом
Новый список RecList обеспечивает большую гибкость и лучшую поддержку оценки.
Введение
Оценка — дело сложное. Часто бывает трудно управлять различными компонентами, участвующими в написании оценочных конвейеров, у вас где-то есть ваша модель, вам нужно ее загрузить, затем получить тест, затем запустить тесты и так далее и тому подобное.
А потом? ну, вам нужно где-то сохранять результаты и, возможно, регистрировать выходные данные онлайн, чтобы вы могли их отслеживать.
Поскольку..
Урок 34 — Машинное обучение: совместная фильтрация для рекомендательных систем (интуиция)
В этом уроке мы сосредоточимся на совместной фильтрации , одном из наиболее распространенных и широко используемых методов создания рекомендательных систем. Мы построим интуицию вокруг ключевых концепций и шагов, связанных с совместной фильтрацией.
Интуиция: совместная фильтрация основана на идее, что пользователи, которые взаимодействовали с похожими элементами в прошлом, скорее всего, будут иметь аналогичные предпочтения в будущем. Он использует мудрость толпы, чтобы давать..
