第一部分講解的是推薦系統(tǒng)需要的算法及其推導(dǎo),內(nèi)容如下:
1、基于內(nèi)容的推薦系統(tǒng)
2、協(xié)同過(guò)濾的核心概念
3、基于用戶的協(xié)同過(guò)濾和基于產(chǎn)品的協(xié)同過(guò)濾
4、相似度的計(jì)算
5、隱語(yǔ)義模型的講解
6、Spark支持的推薦算法的介紹
7、交替小二乘法(ALS)的推導(dǎo)
第二部分講解的是Spark代碼實(shí)現(xiàn)的推薦系統(tǒng),內(nèi)容如下:
1、隱式類型數(shù)據(jù)的推薦的實(shí)現(xiàn)
2、顯示類型數(shù)據(jù)的推薦的實(shí)現(xiàn)
3、冷啟動(dòng)問(wèn)題
4、Spark中ml包和mllib包的比較
第1章Spark中的推薦算法
1-1推薦系統(tǒng)概述
1-2基于內(nèi)容的推薦算法
1-3CF和核心概念
1-4User-Based_CF和Item-Based_CF
1-5相似度計(jì)算
1-6隱語(yǔ)義模型
1-7正則化
1-8Spark支持的推薦算法
1-9交替小二乘算法講解
第2章推薦代碼實(shí)現(xiàn)
2-1隱式模型vs顯示模型
2-2數(shù)據(jù)集準(zhǔn)備
2-3數(shù)據(jù)解析
2-4構(gòu)建第一個(gè)模型
2-5模型評(píng)估
2-6選擇合理的超參數(shù)
2-7顯示類型數(shù)據(jù)的推薦的實(shí)現(xiàn)
2-8交叉驗(yàn)證
2-9冷啟動(dòng)問(wèn)題
2-10Spark中mllib中的ALS的使用
2-11Spark中的ml包和mllib包
|