文件名称：RECC-system
文件大小：10.67MB
文件格式：ZIP
更新时间：2024-03-24 11:17:14
JupyterNotebook
推荐系统 介绍： 这是一项竞赛项目，目的是为了完成南加州大学的Data Minig（INF553）课程的基础和应用程序。 该项目的工作全部由我自己完成。 该项目的目标是通过混合来自基于内容的过滤，基于用户和基于项目的协作过滤推荐模型中的推荐来构建混合推荐引擎。 在此项目中，无需从头开始使用任何库即可实现所有数据挖掘和推荐算法。 在不使用库的情况下对算法进行编码和实现有助于我们更好地理解它们，并根据我们的输入数据和要求使用算法。 该推荐项目在2020年Spring数据挖掘课程的106名学生中排名第三，并且排名是根据RMSE给出的。 问题： 推荐系统已成为许多企业不可或缺的一部分。 它们产生个性化的建议作为输出，或具有以较大的可能空间以个性化的方式引导用户访问有趣对象的效果。 在这个项目中，我们希望应用机器学习和数据挖掘算法来开发预测模型，从而构建一个混合餐厅推荐系统，该系统根据用
【文件预览】：
RECC-system-main
----ItemAndUserModel(train).py(8KB)
----content(predict).py(2KB)
----ItempredictionOutput.txt(4.55MB)
----HybridRecommenderoutput.txt.txt(13.17MB)
----contentbasedrecomm.py(6KB)
----ItemBasedLSH.py(4KB)
----Collaborative_Filtering (1).ipynb(19KB)
----contentpredictionOutput.txt(6.01MB)
----contentRecommendation.ipynb(14KB)
----HybridRecommendationEngine.ipynb(17KB)
----ItemAndUserModel(predict).py(5KB)
----README.md(7KB)
----UserpredictionOutput.txt(2.75MB)