Публикации по теме 'scikit-surprise'
Как создать систему рекомендаций на основе моделей с помощью Python Surprise
Пошаговое руководство по реализации механизма рекомендаций по скрытым факторам с использованием библиотеки Surprise в Python.
Этот пост - последняя часть моей серии рекомендаций Python Surprise, в которой я представляю методы, которые я использовал в своем проекте механизма рекомендаций для настольных игр. (Смотрите мой репозиторий на GitHub для всего проекта.)
Предыдущие посты в серии:
Часть 1 : Как создать систему рекомендаций на основе памяти с помощью Python Surprise : я..
Мой код Python для гибких рекомендаций
Мой дополнительный пользовательский код Python, который позволяет вам выполнять более гибкие рекомендации на основе моделей стиля K-Nearest Neighbor библиотеки Surprise.
В моем предыдущем сообщении в блоге я подробно обсуждал, как работать с системой рекомендаций на Python с использованием библиотеки Surprise, от обработки данных до прогнозов и лучших рекомендаций. Я предлагаю вам сначала прочитать этот пост как введение в системы рекомендаций с совместной фильтрацией, если вы не..
Создание и оценка вашей первой системы рекомендаций с помощью scikit-Surprise.
Небольшой эксперимент для проверки нашего понимания механизмов рекомендаций с использованием научного метода
В этом посте представлен подход к внедрению вашей первой системы рекомендаций и быстрой проверке ее производительности. В нем рассматривается вариант использования, предназначенный для визуальной проверки того, чему модель научилась во время обучения и как она работала во время тестирования . Вариант использования был реализован на Python с pandas и scikit-surprise ...