Сделайте сами, чтобы сделать механизм рекомендаций [Индия] Суреш Кумар Горакала
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Ученые по искусственному интеллекту, которые ученые, имеют многолетний опыт кристаллизации, от мелкого до глубокого введения в методы построения рекомендаций по рекомендациям, и с нетерпением ждем будущего развития двигателя рекомендаций.
Рекомендуемое руководство по вступительному руководству по технологии двигателя, научите вас создавать свой первый двигатель рекомендаций.
В этой книге сначала представляет собой механизм рекомендаций и его применение, а затем постепенно объясняет, как создать систему рекомендаций для популярных рамок, таких как R, Python, Spark, Neo4j и Hadoop.Благодаря этой книге вы поймете преимущества и недостатки каждого механизма рекомендаций и когда их использовать, и вы также научитесь создавать простой механизм рекомендаций, двигатель реальной рекомендации и масштабируемый двигатель рекомендаций.
Основная информация | |
наименование товара: |   |
Автор: |  &Бык;&Бык; |
Рыночная цена: | 79.00 |
Номер ISBN: | 9787111641087 |
Версия: | 1-1 |
Дата публикации: | 2020-01 |
Количество страниц: | 268 |
Слова: | 150 |
Издательство: |   Machinery Industry Press |
Оглавление |
об авторе Введение в технический рецензент Предисловие Глава 1 Рекомендуемое двигатель Введение 1 1.1 Рекомендуемое определение двигателя 1 1.2 Необходимость системы рекомендаций 3 1.3 большие данные для продвижения системы рекомендаций 4 1.4 Рекомендуемый тип системы 4 1.4.1 Система рекомендаций по координации фильтрации 4 4 1.4.2 Рекомендуемая система на основе контента 5 1.4.3 Система смешанной рекомендации 6 1.4.4 Система рекомендаций по восприятию ситуации 7 1.5 Рекомендую разработку системных технологий 8 1.5.1mahout's Application в масштабируемой системе рекомендаций 8 1.5.2Apache Spark's Application в масштабируемой системе рекомендаций по реальному времени 9 1.6 Сводка этой главы 12 Глава 2 Создайте первый двигатель рекомендаций 13 2.1 Создайте базовый двигатель рекомендаций 14 2.1.1 Данные загрузки и форматирования 15 2.1.2 Рассчитайте сходство пользователей 17 2.1.3 Прогнозирование неизвестного рейтинга для пользователей 18 2.2 Резюме этой главы 24 Глава 3 Рекомендуемое двигатель подробное объяснение 25 3.1 Разработка рекомендуемого двигателя 26 3.2 Рекомендуемый двигатель на основе соседнего алгоритма 27 3.2.1 Пользовательская совместная фильтрация 29 3.2.2 Коллективная фильтрация на основе проекта 30 30 3.2.3 Преимущества 32 3.2.4 Недостатки 32 3.3 Рекомендуемая система на основе контента 32 3.3.1 Польтрет пользователя Создать 35 3.3.2 Преимущества 36 3.3.3 Недостатки 36 3.4 Система рекомендаций по восприятию ситуации 37 3.4.1 Определение ситуации 38 3.4.2 Предварительный метод 40 3.4.3 Метод задней фильтрации 40 3.4.4 Преимущества 41 3.4.5 Недостатки 41 3.5 Гибридная система рекомендаций 41 3.5.1 Взвешенный закон 42 3.5.2 Смешанный закон 42 3.5.3 Слой слоя 42 3.5.4 Группа Legal 42 3.5.5 Преимущество 43 3.6 Рекомендационные системы на основе модели 43 3.6.1 Закон о вероятности 44 3.6.2 Закон о машинном обучении 44 3.6.3 Закон о математике 44 3.6.4 Преимущества 45 3.7 Резюме этой главы 45 Глава 4 Применение технологии сбора данных в рекомендуемом двигателе 46 4.1 Технология на основе соседнего алгоритма 47 4.1.1 Усиль 4.1.2 Ю Сянь Сходство 48 4.1.3 JACCARD сходство 51 4.1.4 Связанный коэффициент Pilson 51 4.2 Технология математического моделирования 53 4.2.1 Матричная разложение 53 4.2.2 Альтернативный минимальный ежедневный метод 55 4.2.3 Странное разложение значения 55 4.3 Технология машинного обучения 57 4.3.1 Линейный возврат 57 4.3.2 Классификационная модель 59 4.4 Поэтическая технология 69 4.5 Сокращение измерения 71 4.6 Модель космического прицела 75 4.6.1 Частота слов 75 4.6.2 Word Clateress-enverse Wingdrop 76 4.7 Технология оценки 78 4.7.1 Перекрестная проверка 79 4.7.2 регуляризация 80 4.8 Резюме этой главы 82 ГЛАВА 5 Строительный фильтр Рекомендации по рекомендациям 83 5.1 Установите Recurallab83 на rstudio 5.2 Наборы данных, доступные в данных. 5.3 Набор данных 88 5.4 Используйте RecomenderLab для создания пользовательского совместного фильтра 89 5.4.1 Подготовка данных обучения и тестирования данных 90 5.4.2 Создание пользовательской совместной модели 90 5.4.3 Прогнозирование на тестовом наборе 92 5.4.4 Набор данных анализа 93 5.4.5 Рекомендуемая модель 95 с использованием оценки проверки складывания K 95 5.4.6 Оценка пользовательской совместной фильтрации 96 5.5 Создание рекомендационной модели на основе проекта 99 5.5.1 Строительство IBCF Рекомендуемая модель 100 5.5.2 Оценка модели 103 5.5.3. Модель Точное измерение скорости 104 5.5.4. 5.5.5ibccf Настройка параметров 107 5.6 Используйте Python для создания совместного фильтра 110 5.6.1 Установка требует 110 5.6.2 Источник данных 110 5.7 Обсуждение данных 111 5.7.1 указывает на рейтинговую матрицу 113 5.7.2 Создание учебного набора и набора тестов 114 5.7.3 Шаг UBCF 115 5.7.4 Расчет на основе сходства пользователей 115 5.7.5 Неизвестный рейтинг активных пользователей 116 5.8 Используйте KNN для выполнения совместной фильтрации на основе пользователя 117 5.9 Рекомендация на основе проекта 118 5.9.1 Модель оценки 119 5.9.2 KNNN Training Model 120 5.9.3 Модель оценки 120 5.10 Эта глава является резюме 120 Глава 6 Создайте персонализированный двигатель рекомендаций 121 6.1 Персонализированная система рекомендаций 122 6.2 Рекомендуемая система на основе контента 122 6.2.1 Создание системы рекомендаций на основе контента 123 6.2.2 Используйте R Language для создания рекомендаций на основе контента 123 6.2.3 Используйте язык Python для создания рекомендаций на основе контента 133 6.3 Система рекомендаций по восприятию ситуации 144 6.3.1 Система рекомендаций по восприятию ситуации строительства 144 6.3.2 Рекомендуется построением строительства использования языка R 145 6.4 Сводка этой главы 150 Глава 7 Используйте Spark, чтобы создать реальную рекомендацию по рекомендации 151 7.1 -я - 2.0 ВВЕДЕНИЕ 152 7.1.1 Архитектура явления 152 7.1.2 Компонент 154 7.1.3Spark Core154 7.1.4 СПАСКОГО ПРЕИМУЩЕСТВА 156 7.1.5 Настройка 156 7.1.6SparkSession157 7.1.7 Эластичный набор данных распределенных данных 158 7.1.8 О линии сбора ML 158 7.2 Используйте альтернативный минимальный ежедневный метод для координации фильтрации 160 7.3 Используйте Pyspark для создания системы рекомендаций на основе модели 162 7,4 млн. Рекомендуемый двигатель модуль 163 7.5 Рекомендуемый метод двигателя 164 7.5.1 Реализация 164 7.5.2 На основе скоординированной фильтрации 172 7.5.3 Оценка модели 173 7.5.4 Выбор модели и ультра -контактное обучение 174 7.6 Резюме этой главы 179 Глава 8 Построить реальную рекомендацию 180 через NEO4J 8.1 Тип базы данных 181 8.2Neo4j183 8.2.1 Cypher Query Language 184 8.2.2 Узел Грамматика 184 8.2.3 Отношения Грамматика 185 8.2.4 Постройте первый рисунок 185 8.3NEO4J Установка Windows 192 8.4neo4j Linux установка 194 8.4.1 Скачать NEO4J194 8.4.2 SET NEO4J195 8.4.3 Запуск командной строки neo4j195 8.5 РЕКОМЕНДЕНИЕ СТРОИТЕЛЬСТВО ДВИГАТЕЛЬ 197 8.5.1 Загрузите данные в NEO4J197 8.5.2 Рекомендуется NEO4J Generation 200 8.5.3 Используйте расстояние OU для координации фильтрации 201 8.5.4 Используйте сходство Yu Sian для совместной фильтрации 206 8.6 Эта глава суммирована 209 Глава 9 Используйте Mahout, чтобы построить масштабируемый двигатель рекомендаций 210 9.1mahout ВВЕДЕНИЕ 2111 9.2 Настройте Mahout211 9.2.1mahout Stand -Alone Mode 2111 9.2.2mahout Распределенный режим 218 9.3 Основной строительный модуль 220 9.3.1 Пользовательский компонентный фильтр Компонент двигателя 220 Компонент двигателя 220 9.3.2 Используйте Mahout для создания двигателя рекомендаций 223 9.3.3 Описание данных 223 9.3.4 Пользовательская совместная фильтрация 225 9.4 Совместная фильтрация на основе проекта 228 9.5 Оценка совместного фильтра 231 9.6 Рекомендованная оценка на основе пользователя 231 9.7 Оценка рекомендаций на основе проекта 232 9.8SVD Рекомендуемая система 235 9.9 Используйте Mahout для распределенной рекомендации 236 9.10 Архитектура системы масштабируемости 240 9.11 Эта глава - резюме 241 Глава 10 Будущее рекомендуемого двигателя 242 10.1 Будущее рекомендуемого двигателя 242 10.2 Стадия разработки системы рекомендаций 243 10.2.1 Общая система рекомендаций 243 10.2.2 Персонализированная система рекомендаций 244 10.2.3 Будущая система рекомендаций 245 10.2.4 Следующая лучшая мера 249 10.2.5 ВСЕГДА 249 10.3 Популярный метод 251 10.4 Срокость рекомендованного двигателя 252 10.4.1a/b Тест 253 10.4.2 Механизм обратной связи 254 10.5 Эта глава - резюме 255 |
краткое введение |
 Копание предпочтений и потребностей пользователя и активно рекомендую то, что им интересно или необходимо для пользователя.В последние годы технология обычно использовалась и применялась к различным приложениям.Таким образом, все больше разработчиков начали обращать внимание на строительство персонализированных рекомендательных двигателей.Эта книга представляет собой ученый из искусственного интеллекта, научный сотрудник Суреш Кумар Горакала. |