鐵人檔案
老婆的問題很多。
找不到好看的影片，會問我有什麼好看的？
挑不到禮物，會問我該買什麼禮物好？
還有...今天晚上要吃什麼？
怎麼我每天都有回答不完的問題？
那就來打造可以回答老婆問題的推薦系統吧！
接下來30天，我打算讓大家陪我一起實做推薦系統。
我會從影片的推薦引擎開始，技術方面，我打算分享以下內容：
1. 基於內容相似的推薦系統
2. 協作過濾法
3. 因數分解機
4. GBDT
總之，就請每天來看看，讓我們一起出發吧！
學了推薦演算法，沒有數據也枉然。除了自己爬資料外，今天介紹 3 個做影片推薦時可以用的 dataset。 一、MoveieLens Dataset https:...
Surprise 可以用來建立及分析協作過濾推薦系統的工具，今天我們來用它來實作矩陣分解 SVD 推薦系統。我們用的數據集是昨天我們介紹的 Anime Reco...
今天要和大家介 Google 在 2016 年發表的一種重量級的推薦算法 Wide&Deep 。它出自 Wide&Deep for recom...
昨天和大家介紹了Deep&Wide，這2016年於google提出的推薦演算法，最為人稱讚的應是它用2個已知的架構合併，解決廣度與深度問題。 但這個演算...
昨天提到 DeepFM ，是一個 Deep&Wide 的變型，但本質上仍是兩個網路的合併。那是否有一個深度學習的架構，不用做合併，又可以解決廣度和深度的...
Embedding 的重要性 在 Google 的提出 word2vec 之後，Embedding 的想法從 NLP 領域擴散到所有機器學習領域。現在已成為深度...
昨日分享了item2vec 是什麼，今天我們來實作吧！這次用的資料集，就是動畫推薦的資料集！ item2vec 適合做的推薦是屬於： 看過這部影片的人，也看過以...
今天我們要看另一種 embedding 方式- graph-embedding。 如果我們有很大量的影片資料，又有很多的使用者，這時要做推薦、分類等操作，會非常...
在實作推薦系統時，會遇到一個問題：到底要蒐集哪些特徵資料給系統做學習呢？ 這已經不是演算法的問題了，這是系統營運上的問題。這問題也考驗著推薦系統的設計者，到底有...
終於到鐵人賽的最後一天了，今天我們不談技術，來談談當在實作推薦系統時，有什麼「非技術問題」要注意！ 一、一定要清楚業務目標是什麼！ 什麼是業務目標呢？就是當初需...
