📦 资源信息
资源名称：mksz297BAT大牛亲授个性化推荐算法实战可用于毕设
网盘类型：夸克网盘
🔗 下载地址
夸克网盘点击下载
📁 文件列表
📁 22 个文件夹📄 78 个文件💾 总大小: 4.08 GB
- ▼📁mksz297-BAT大牛亲授 个性化推荐算法实战（可用于毕设）
- ▶📁资料
- ▶📁personal_recommendation
- ▶📁ContentBased
- ▶📁production
- 📄content_based.py2.97 KB
- ▶📁util
- 📄__init__.py0 B
- 📄read.py2.94 KB
- 📄README.md44 B
- ▶📁Item2Vec
- ▶📁data
- 📄item_vec_bk.txt2.66 MB
- 📄movies.txt1.33 MB
- 📄item_vec.txt13.59 MB
- ▶📁bin
- 📄word2vec40.41 KB
- 📄ReadMe188 B
- 📄README.md44 B
- 📄index.html359 B
- ▶📁个性化推荐算法实战
- 📄chapter4.pdf619.34 KB
- 📄Chapter9.pdf914 KB
- 📄chapter2.pdf77.02 KB
- 📄Chapter10.pdf763.46 KB
- 📄Chapter6.pdf402.06 KB
- 📄Chapter7.pdf440.29 KB
- 📄Chapter8.pdf648.19 KB
- 📄Chapter11.pdf376.94 KB
- 📄chapter5.pdf366.16 KB
- 📄chapter3.pdf510.04 KB
- 📄chapter3(1) .pdf399.32 KB
- 📄Chapter1.pdf471.4 KB
- 📄Chapter12.pdf407.9 KB
- ▶📁第09章
- 📄9-8 模型在测试数据集表现 上-.mp4130.42 MB
- 📄9-5 代码训练gbdt模型-.mp488.05 MB
- 📄9-3 xgboost数学原理介绍-.mp462.54 MB
- 📄9-1 背景知识介绍之决策树-.mp483.49 MB
- 📄9-7 代码训练gbdt与lr混合模型-.mp4106.88 MB
- 📄9-2 梯度提升树的数学原理与构建流程-.mp483.79 MB
- 📄9-6 gbdt模型最优参数选择-.mp457.57 MB
- 📄9-9 模型在测试数据集表现 下-.mp445.22 MB
- 📄9-4 gbdt与lr混合模型网络介绍-.mp441.3 MB
- ▶📁第06章
- 📄6-1 个性化召回算法总结与评估方法的介绍。-.mp467.81 MB
- ▶📁第11章
- 📄11-1 学习排序部分总结与回顾-.mp464.84 MB
- ▶📁第04章
- 📄4-1 item2vec算法的背景与物理意义-.mp481.24 MB
- 📄4-5 word2vec运行参数介绍与item embedding-.mp489.43 MB
- 📄4-4 代码生成item2vec模型所需训练数据-.mp460.19 MB
- 📄4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理-2.mp42.29 MB
- 📄4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理-1.mp494.68 MB
- 📄4-3 item2vec依赖模型word2vec之skip gram数学原理介绍-.mp451.23 MB
- 📄4-2 item2vec依赖模型word2vec之cbow数学原理介绍-.mp488.1 MB
- ▶📁第03章
- 📄3-1 personal rank算法的背景与物理意义-.mp471.32 MB
- 📄3-6 代码实战personal rank算法的矩阵版本下 -1-.mp414.06 MB
- 📄3-7 代码实战personal rank算法的矩阵版本下-2-.mp464.18 MB
- 📄3-3 代码构建用户物品二分图-.mp462.3 MB
- 📄3-5 代码实战personal rank算法矩阵版本上-.mp4102.46 MB
- 📄3-4 代码实战personal rank算法的基础版本-.mp4127.74 MB
- 📄3-2 personal rank 算法的数学公式推导-.mp449.45 MB
- ▶📁第07章
- 📄7-1 学习排序综述-.mp475.51 MB
- ▶📁第01章
- 📄1-2 个性化召回算法综述-.mp446.49 MB
- 📄1-1 个性化推荐算法综述-.mp473.5 MB
- ▶📁第02章
- 📄2-2 lfm算法的理论基础与公式推导-.mp478.02 MB
- 📄2-6 基于lfm的用户个性化推荐与推荐结果分析-.mp478.06 MB
- 📄2-5 lfm模型训练-.mp4106.2 MB
- 📄2-1 lfm算法综述-.mp454.35 MB
- 📄2-3 基础工具函数的代码书写-.mp482.55 MB
- 📄2-4 lfm算法训练数据抽取-.mp485.8 MB
- ▶📁第12章
- 📄12-1 个性化推荐算法实战课程总结与回顾-.mp439.33 MB
- ▶📁第08章
- 📄8-4 代码实战lr之样本选择-.mp465.76 MB
- 📄8-3 样本选择与特征选择相关知识-.mp458.31 MB
- 📄8-9 lr模型在测试数据集上表现-下-.mp4115.29 MB
- 📄8-6 代码实战lr之连续特征处理-.mp484.88 MB
- 📄8-5 代码实战lr之离散特征处理-.mp4111.17 MB
- 📄8-7 lr模型的训练-.mp486.87 MB
- 📄8-10 lr模型训练之组合特征介绍-.mp492.99 MB
- 📄8-1 逻辑回归模型的背景知识介绍-.mp478.52 MB
- 📄8-2 逻辑回归模型的数学原理-.mp472.45 MB
- 📄8-8 lr模型在测试数据集上表现-上-.mp4109.52 MB
- ▶📁第10章
- 📄10-6 wd模型的训练与模型在测试数据集上的表现-.mp499.16 MB
- 📄10-1 背景知识介绍之什么是深度学习-.mp474.52 MB
- 📄10-2 dnn网络结构与反向传播算法-.mp495.2 MB
- 📄10-5 代码实战wd模型之模型对象的构建-.mp463.28 MB
- 📄10-4 .代码实战wd模型之wide侧与deep侧特征构建-.mp4103.01 MB
- 📄10-3 wide and deep网络结构与数学原理介绍-.mp464.29 MB
- ▶📁第05章
- 📄5-2 content based算法代码实战之工具函数的书写-.mp4106.07 MB
- 📄5-3 用户刻画与基于内容推荐的代码实战。-.mp4106.9 MB
- 📄5-1 content based算法理论知识介绍-.mp459.45 MB
发表评论