搜索资源列表
Concha_CF
- 【转】协同过滤代码，用于推荐系统，包括基于项目和基于用户两种情况。实现基于用户和基于项目的协同过滤算法。 实验所用数据为MovieLens – a web-based movies recommender system with 43,000 users & over 3500 movies. 保存在ga.mat文件用，由于ga.test测试集过于庞大，全部用来计算的话耗时庞大，所以每次计算时随机选择部分，具体函数的使用请参照probar.m。我所得到的实验结果保存在results1-resul
UserCF
- 用C++实现的基于用户的协同过滤算法，包含训练集、测试集-Achieved with C++ user-based collaborative filtering algorithms, including training set, test set
CollaborativeFiltering
- 推荐系统中的经典算法，协同过滤算法，基于用户和基于项目的-Recommended system classical algorithm, collaborative filtering algorithm based on user and project-based
foodAround-master
- 基于用户的协同过滤推荐算法实现食品推荐功能，基于不同用户评分矩阵实现食品的分类。(Based on user collaborative filtering recommendation algorithm, food recommendation function is realized, and food classification is achieved based on different user rating matrix.)
UserBaseCF
- 协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaboratIve filtering)，和基于物品的协同过滤算法(item-based collaborative filtering)，本算法是基于用户的协同过滤算法(user-based collaboratIve filteri
推荐算法在数字化营销业务场景中的应用
- 基于用户的协同过滤算法，可以根据用户对电影的评价集推荐其潜在喜爱电影。(Based on user's collaborative filtering algorithm, potential favorite movies can be recommended according to user's evaluation set.)
UserCF
- 使用Python实现一个基于用户的协同过滤算法(A recommandation system based on User by python)