[機械学習] AmazonのItem-to-ItemレコメンドをPythonで実装する - YoheiM .NET
ここではxが購入したアイテムを、空欄が未購入のアイテムを意味ます。 これを行列では以下のように表現することとします。 >>> import numpy as np >>> x = np.array([ [1,1,1,0,0,0], [1,1,0,0,0,0], [0,0,1,0,1,0], [0,0,1,1,1,0], [0,1,1,0,0,0], [1,1,0,1,1,0], [1,0,1,0,0,0], [0,0,0,0,0,1] ]) このデータから、アイテム1〜アイテム6のそれぞれについて、レコメンドするべきアイテムを計算してみたいと思います。 なおこのブログでは、行列表現にNumPyライブラリを使います。NumPyについては、[Python] 行列やベクトルを扱うことができるNumPyに入門でブログを書いていますので、そちらもご参照いただけましたら幸いです。 Item-to-It
![[機械学習] AmazonのItem-to-ItemレコメンドをPythonで実装する - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/5e7f431b4bb0cea58fb4ce2e328feb3ac9db120a/height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F402.png)
Pythonでのレコメンデーション実装についての備忘録 - Qiita
はじめに 業務でレコメンデーションを使う必要があり、Pythonのレコメンデーションライブラリについて調査を行ったので備忘録としてまとめました。なお、ライブラリの簡単な紹介が主で、アルゴリズムの解説等については言及していませんので、そちらに関しては必要に応じて別資料を参照をお願いします。 レコメンド周りはこれまで扱ったことはなかったのですが、この辺りも、真剣に勉強しなければと切に感じる今日この頃です。。 crab HP: http://muricoca.github.io/crab/ GitHub: https://github.com/muricoca/crab Pythonの協調フィルタリングの実装で最初に見つけたのがこのライブラリ。アイテムベースとユーザーベースの協調フィルタリングが計算できるとのことですが、GitHubのmasterの最終更新が4年前ということで、最近はあまり使われ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
