Pythonでのレコメンデーション実装についての備忘録 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 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
非負値行列因子分解（NMF）によるレコメンドのちょっとした例 - About connecting the dots.
最近線形代数についていろいろ読みなおしたりしてるのですが（線形代数チートシートを前の記事でまとめてあります），その一環でレコメンドアルゴリズムについていくつか試してみたので，それを解説します．順序としては，基本の協調フィルタリング（ユーザベースド，アイテムベースド）→特異値分解（SVD）→非負値行列因子分解（NMF）になります． 基本的な考え方 ここで取り扱うのは，すべて以下のようなユーザ×商品のマトリックスをベースとしたレコメンドになります*1．ここでは映画レンタルサービスを例にして考えます．6人のユーザが，4つの映画*2のうちレンタル視聴したものについては，1-5点の5段階評価を行いました．0になっているものは「みていない」ということになります． まずはざっと評価の状況をみると，「千と千尋の神隠し」が最もよく視聴されていて，6人中4人がみています．次にみられているのは「となりのトトロ」
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
