课程目录
1 F.1推荐算法概述 (09:05)
2 F.2推荐算法概述 (03:14)
3 F.3推荐算法数据集预览 (04:29)
4 F.4.内容推荐算法概述 (03:29)
5 F.5推荐算法基础矩阵类概述 (12:09)
6 F.6推荐算法基础读取矩阵数据保存到矩阵 (12:50)
7 F.7推荐算法基础读取矩阵特征数据保存到矩阵 (08:11)
8 F.8推荐算法基础矩阵计算接口设计 (06:31)
9 F.9推荐算法基础矩阵的数据处理实现 (10:18)
10 F.10相似度矩阵计算实现 (06:53)
11 F.11推荐算法基础矩阵差异与方差 (04:29)
12 F.12实现基于内容推荐算法的框架 (06:49)
13 F.13实现内容推荐算法的平均数算法 (16:07)
14 F.14测试内存推荐算法的平均推荐法 (06:13)
15 F.15内容推荐算法的线性回归介绍 (05:31)
16 F.16实现内容推荐算法的线性回归算法 (13:37)
17 F.17测试内容推荐算法的正则线性回归 (34:44)
18 F.18协同过滤基本理论 (03:19)
19 F.19基于用户的协同过滤框架 (06:23)
20 F.20实现基于用户协同过滤算法 (11:08)
21 F.21实现基于用户的协同过滤算法 (16:29)
22 F.22实现基于物品的协同过滤算法框架 (06:22)
23 F.23实现基于物品的协同过滤算法核心 (06:02)
24 F.24测试基于物品的协同过滤算法 (06:30)
25 F.25推荐算法的基准预测 (04:51)
26 F.26推荐算法的基准预测与测试 (06:30)
27 F.27内容混合协同过滤算法框架实现 (04:30)
28 F.28内容混合协同过滤算法实现 (08:50)
29 F.29测试内容混合协同过滤算法 (05:52)
30 F.30slopeone算法理论 (01:55)
31 F.31slopeone算法框架实现 (08:12)
32 F.32slopeone算法核心实现 (06:23)
33 F.33测试slopeone推荐算法 (19:06)
34 F.34SVD推荐算法的基础 (02:52)
35 F.35SVD推荐算法的数学原理 (04:34)
36 F.36SVD算法框架实现 (03:58)
37 F.37SVD推荐算法核心实现 (13:06)
38 F.38SVD推荐算法测试 (05:42)
39 F.39通用推荐模型算法框架搭建 (02:23)
40 F.40通用模型SVD算法测试 (12:40)
41 F.41通用模型推荐算法SGD理论 (02:08)
42 F.42通用模型推荐算法SGD核心实现 (07:43)
43 F.43通用模型推荐算法SGD测试 (01:59)
44 F.44通用模型推荐算法NMF (02:07)
45 F.45通用模型推荐算法NMF核心实现 (05:08)
46 F.46通用模型推荐算法NMF测试 (01:39)
47 F.47通用模型推荐算法交替zuixiao下降法理论 (01:57)
48 F.48通用模型推荐算法交替最xiao下降法实现 (06:00)
49 F.49通用模型推荐算法交替最xiao下降法测试 (01:09:32)
