文件名称：Paper-Implementation-Matrix-Factorization-Recommender-Systems-Netflix:[Python3.6] IEEE论文“推荐系统的矩阵分解技术”，作者Koren，Bell，Volinsky
文件大小：8.5MB
文件格式：ZIP
更新时间：2024-03-31 10:20:19
系统开源
纸张实施矩阵特征化推荐系统-Netflix IEEE论文“推荐系统的矩阵分解技术” -Yehuda Koren，Robert Bell，Chris Volinsky Python 3.6 链接到IEEE Computer Society发表的原始论文： ， 链接到使用的Netflix数据集： 档案文件 Presentation.pdf ：说明本文。 用Latex Beamer编写，tex代码在presentation.tex中 Recommendationer_final.py ：最终推荐者。 包括偏差和正则化。 需要导入mf.py才能运行。 通过更改Recommendationer_final.py中的第19行直接在任何数据集上使用。 recommender_final_toy_dataset.py节目究竟矩阵分解技术通过考虑一个5x5的玩具数据集工作。 .ipynb_文件
【文件预览】：
Paper-Implementation-Matrix-Factorization-Recommender-Systems-Netflix-master
----recommender_final_toy_dataset.py(4KB)
----feasible_data_10000.txt(201KB)
----Error Chart.png(15KB)
----recommender_final.py(6KB)
----Presentation.pdf(1.45MB)
----mf.py(3KB)
----feasible_data_100000.txt(1.96MB)
----__pycache__()
--------mf.cpython-36.pyc(3KB)
----Presentation_Images()
--------1.png(300KB)
--------2.png(241KB)
--------3.png(1.18MB)
----feasible_data_25000.txt(502KB)
----LICENSE(1KB)
----feasible_data_175000.txt(3.43MB)
----recommender.ipynb(71KB)
----feasible_data_5000.txt(100KB)
----presentation.tex(13KB)
----feasible_data_150000.txt(2.94MB)
----feasible_data_75000.txt(1.47MB)
----movie_titles.csv(564KB)
----feasible_data_50000.txt(1005KB)
----feasible_data_200000.txt(3.93MB)
----.ipynb_checkpoints()
--------Untitled-checkpoint.ipynb(72B)
--------recommender-checkpoint.ipynb(74KB)
----README.md(2KB)
----feasible_data_1024.txt(20KB)