建立Last.fm推荐系统
今天，我们将基于代表在上提供的Last.fm数据集构建基本的推荐系统。 该数据集来自2011年的LastFM，包含1,892位用户的17,632位艺术家的播放次数。
我们的议程如下：
通过执行初始探索性数据分析（EDA）来检查我们正在使用的数据
构建基本协作推荐系统的几个版本：
sci-kit中的K个最近邻居学习
TuriCreate中的项目相似性推荐者
评估结果
回答有关项目的问题，包括需要改进的地方
除了此自述文件中包含有关项目的一般信息之外，我们的项目还包括以下：
（01）使用scikit-learn和TuriCreate的协作过滤器（主项目提交）
基于内容的过滤器的用户/艺术家标签的初步EDA /主题建模的附录：
（A01）使用scikit-learn的K均值聚类和t-SNE
（A02）使用pyLDAvis的LDA
从元数据中添加基于
2021-04-28 11:15:58
809KB
1
Long Short Term Memory Networks for Anomaly Detection in Time Series - LSTM在时序数据中的应用
2019-12-21 20:12:08
1.36MB
1
Beginning iOS 12 Programming With Swift AppCoda Last Update [PDF]
2019-12-21 18:50:51
104.12MB
1