【文件属性】：
文件名称：ECE271B_Group3:第3组的ECE271B项目
文件大小：6.97MB
文件格式：ZIP
更新时间：2021-03-15 07:59:55
JupyterNotebook
ECE 271B：购物建议
在过去的几十年中，由于我们生活中信息的不断增加，推荐系统已成为热门话题。 这是解决信息超载问题的一种重要方法，已应用于许多领域，例如在线商店的产品推荐器和社交媒体平台的内容推荐器。 在这项工作中，引入了两种算法来解决Amazon美食推荐问题，即协同过滤和潜在因子模型。 这些算法用于预测用户对产品的评分，并为用户生成推荐列表。 最后显示了两个模型的结果。
楷模
协同过滤器（CF）
基于用户的CF
基于项目的CF
潜在因素模型
实作
数据
【文件预览】：
ECE271B_Group3-main
----Presentation.pdf(720KB)
----ECE271B_report_cvpr.pdf(207KB)
----1.png(21KB)
----notebook()
--------init(1B)
--------Data_preprocessing.ipynb(21KB)
--------Overall_CF.ipynb(10KB)
--------Latent_factor_model.ipynb(10KB)
--------Collaborative Filter.ipynb(39KB)
--------Data_analysis.ipynb(320KB)
----src()
--------Predictions.py(4KB)
--------main.py(2KB)
--------Similarity.py(1KB)
--------DataLoader.py(562B)
----results()
--------init(1B)
--------recommendations.csv(730KB)
--------LFM_ex.png(30KB)
--------ex.png(11KB)
--------LFM.png(21KB)
----.gitignore(11B)
----README.md(841B)
----Data()
--------init(1B)
--------clean.csv(13.24MB)
--------clean2.csv(2.24MB)