bat大牛亲授个性化推荐算法实战23870
资源详情
【课程目录】
第1章 个忄生化推荐算法综述
1-1 个忄生化推荐算法综述1-2 个忄生化召回算法综述
第2章 基于邻域的个忄生化召回算法lfm
2-1 lfm算法综述2-2 lfm算法的理论基础与公式推导2-3 基础工具函数的代码书写2-4 lfm算法训练数据抽取2-5 lfm模型训练2-6 基于lfm的用户个忄生化推荐与推荐结果分析
第3章 基于图的个忄生化推荐召回算法personal rank
3-1 personal rank算法的背景与物理意义3-2 personal rank 算法的数学公式推导3-3 代码构建用户物品二分图3-4 代码实战personal rank算法的基础版本3-5 代码实战personal rank算法矩阵版本
第4章 基于深度学习的个忄生化召回算法item2vec
4-1 item2vec算法的背景与物理意义4-2 item2vec依赖模型word2vec之cbow数学原理介绍4-3 item2vec依赖模型word2vec之skip gram数学原理介绍4-4 代码生成item2vec模型所需训练数据4-5 word2vec运行参数介绍与item embedding4-6 基于item bedding产出物品相似度矩阵与item2vec推荐流程梳理
第5章 基于内容的推荐方法content based
5-1 content based算法理论知识介绍5-2 content based算法代码实战之工具函数的书写5-3 用户刻画与基于内容推荐的代码实战。
第6章 个忄生化召回算法总结与回顾
6-1 个忄生化召回算法总结与评估方法的介绍。
第7章 综述学习排序
7-1 学习排序综述
第8章 浅层排序模型逻辑回归
8-1 逻辑回归模型的背景知识介绍8-2 逻辑回归模型的数学原理8-3 样本选择与特征选择相关知识8-4 代码实战lr之样本选择8-5 代码实战lr之离散特征处理8-6 代码实战lr之连续特征处理8-7 lr模型的训练8-8 lr模型在测试数据集上表现8-9 lr模型训练之组合特征介绍
第9章 浅层排序模型gbdt
9-1 背景知识介绍之决策树9-2 梯度提升树的数学原理与构建流程9-3 xgboost数学原理介绍9-4 gbdt与lr混合模型网络介绍9-5 代码训练gbdt模型9-6 gbdt模型最优参数选择9-7 代码训练gbdt与lr混合模型9-8 模型在测试数据集表现