Публикации по теме 'recommender-systems'
Где открыты магазины в Сан-Паулу?
Компания пищевой промышленности из Рио-де-Жанейро хочет расширить свою деятельность в городе Сан-Паулу. Эта компания ориентирована на население в возрасте от 25 до 50 лет, принадлежащее к социальным классам А (уровни доходов А1 и А2) и В (уровни доходов В1 и В2). Мы поможем им определить лучшие районы для открытия филиала в Сан-Паулу. Для этого мы настроим анализ районов Сан-Паулу, чтобы: 1. Оценить доход, который магазин будет иметь в каждом из районов; 2. Классифицировать потенциал..
Скрытые жемчужины Netflix: создание системы рекомендаций (финал сезона)
Часть 3. Создание и развертывание рекомендательной системы
Привет!
В предыдущих двух частях мы выполнили исследовательский анализ данных, предварительную обработку текста и кластерный анализ.
Теперь, наконец, мы перейдем к построению рекомендательной системы. Мы будем использовать косинусное сходство для построения нашей рекомендательной системы.
Here's a breakdown of steps we will be performing in this article:
1. Building a Recommender system
2. Building Our App for the..
Рекомендую себе фильм на Netflix
У нас воскресное утро, и я понятия не имею, как провести день впустую, наверное, мне следует посмотреть Netflix и расслабиться. Я не знаю, какой из них смотреть, обычно я смотрю первые 5 минут фильма/сериала, а потом решаю, продолжать или нет. Мой коэффициент конверсии ниже 5%. Поэтому я решил использовать набор данных Kaggle Netflix, проанализировать его и создать рекомендательную систему, чтобы найти подходящий мне фильм. Нажмите здесь , чтобы загрузить набор данных Netflix с..
Системы рекомендаций, зависящие от времени ⏱️
Системы рекомендаций, зависящие от времени (часть 1) ⏱️
В своих предыдущих постах ( здесь и здесь ) я делал обзор современных общих рекомендательных систем. Однако в этих моделях не учитывались временные зависимости: то есть порядок, в котором пользователь взаимодействовал с элементами. Но не волнуйтесь! В этой серии постов мы глубоко погрузимся в мир рекомендательных систем, зависящих от времени.
Зачем уделять время нашей системе рекомендаций?
Время влияет на предпочтения..
Создание системы рекомендаций с использованием методов машинного обучения и Python
Создание системы рекомендаций с использованием методов машинного обучения и Python
Вы собираетесь купить мобильный телефон на Amazon, и Amazon рекомендует вам купить защитное стекло для экрана и чехол вместе с ним. Это также дает вам скидку, если вы покупаете все эти три вещи вместе. Если вы идете на Youtube, чтобы посмотреть свою любимую песню, Youtube рекомендует вам посмотреть похожие другие песни, которые могут вам понравиться. В поиске Google в нижней части страницы результатов..
Контентная фильтрация в системах рекомендаций
Это один из простых способов рекомендовать пользователю продукты или контент. Идея здесь заключается в том, что если пользователь указывает (а), что ему нравится продукт, щелкнув, или поставив высокую оценку, или путем поиска или просмотра, это означает, что у него есть высокая вероятность того, что они купят продукт. Теперь наш подход к рекомендации продуктов будет заключаться в том, чтобы рекомендовать продукт пользователю, который имеет аналогичные атрибуты или описательные..
Как Твиттер это делает? Проблемы при масштабном внедрении рекомендательных систем
Обобщенный взгляд на проблемы внедрения рекомендательных систем с отраслевой точки зрения.
В большинстве случаев проекты в области науки о данных останавливаются на достижении некоторой удовлетворительной точности на основе подмножества данных. То же самое и с рекомендательными системами. В контролируемой среде и с ограниченным набором данных можно получить очень впечатляющие результаты, но внедрение алгоритма в реальную жизнь требует гораздо большего.
В этом посте я обобщу свои..
