文件名称：CSE523-Machine-Learning-Outliers
文件大小：1.58MB
文件格式：ZIP
更新时间：2024-05-01 12:16:59
JupyterNotebook
CSE 523机器学习异常值 描述 电影推荐系统使用两种不同的方法实现： 基于内容：使用TF-IDF矢量化器的余弦相似度协同过滤：具有期望最大化的高斯混合模型 资料夹 代码：包含使用上述方法的jupyter笔记本-> ContentBasedRefined.ipynb（使用scikit学习的TF-IDF实现的余弦相似性） -> GMM_UsingSciKit.ipynb（使用scikit学习的具有期望最大化的高斯混合模型） -> GMM_noscikit.ipynb（具有期望最大化的高斯混合模型，而无需使用scikit学习） 数据集：包含两个实现的数据集-> u.data，u.user（带有EM的GMM的数据集） -> ContentBased.txt（链接到与TF-IDF的余弦相似性的数据集） 演示文稿：包含Midsem和Endsem演示文稿的演示文稿文件。 -> Outliers_
【文件预览】：
CSE523-Machine-Learning-Outliers-main
----readme.md(3KB)
----Reports()
--------Outliers_End_Sem_Project_Report.pdf(286KB)
--------Outliers_Mid_Sem_Project_Report.pdf(184KB)
--------README.md(212B)
----Results()
--------Result_CosineSimilarity.png(27KB)
--------GMMloglikelihood.png(18KB)
--------RMSE.png(17KB)
--------Gauss.png(32KB)
--------RMSEg.png(17KB)
--------PredictedRatings.png(10KB)
--------README.md(1KB)
----Code()
--------ContentBasedRefined.ipynb(56KB)
--------GMM_noscikit.ipynb(461KB)
--------GMM_UsingSciKit.ipynb(48KB)
--------README.md(436B)
----Presentations()
--------README.md(275B)
--------Outliers_Mid_Sem_Project_Presentation.pptx(157KB)
----.gitattributes(66B)
----Dataset()
--------u.data(1.89MB)
--------u.user(22KB)
--------ContentBased.txt(84B)
--------README.md(221B)