基于豆瓣电影用户数据使用Canopy+K-means聚类的协同过滤推荐

基于KMeans聚类的协同过滤推荐算法可运用于基于用户和基于项目的协同过滤推荐算法中，作为降低数据稀疏度和提高推荐准确率的方法之一，一个协同过滤推荐过程可实现多次KMeans聚类。 一、基于KMeans聚类的协同过滤推荐算法推荐原理 KMeans聚类算法是聚类算法中最基础最常用、最重要的聚类算法。KMeans聚类算法首先需要确定N个初始中心点，初始中心点的选择对聚类结果影响很大，常用的初始中心点的选择有随机选择、自定义、采用Canopy聚类算法结果作为初始中心点，然后是重复遍历点与簇中心的距离，并不断修正簇中心点，可设置遍历次数和点与簇中心的最小距离影响聚类结果。 聚类的数据可以是一维数组、二

超大规模用户数据挖掘和推荐算法 最新进展 （1）数据规模、挑战； （2）KDD-CUP 2012； （3）KDD-CUP 2012 Solution 剖析； （4）数据挖掘和推荐的新趋势；

以“探索”为主线，让各位同学跟我一起亲身经历一次2006年至今的当当网个性化推荐&精准营销技术探索&架构革新之旅” 着时间的推移，2009、2010互联网各种新技术层出不穷：hadoop、erlang、gearman等等。这些新技术新思想不断对现有系统产生影响，并促成现有系统不断发展。精准营销生态系统进入新阶段 时时关注互联网最新技术动态、产品动态、业界动态，甚至国际大环境、国内外时事，这些因素或早或晚最终会影响到我们身处的行业和所负责的产品。如：站流量分析系统就是典型的例子、hadoop也是革命性的技术产品之一 时刻都在寻找下一块插图。打造自己的架构生态圈，其过程像拼图一样。每个组成模块，有自己的特点，专门解决合适的问题

基于矩阵分解模型的协同过滤推荐 课程报告+python实现源码

Movielens数据集，内含10万条用户-电影评分。学习推荐系统，机器学习算法必备。

day02_推荐算法.zip

电影推荐系统 使用若干推荐算法 包括一些层次聚类 kmeans聚类 folkrank 算法

推荐算法入门必读书籍，书上有算法的代码实现，对初步了解经典推荐算法很有帮助！

测试通过，可以运行。对初学者很适用.