如何用机器学习算法构建商品推荐系统？

2024-04-15

构建一个商品推荐系统是利用机器学习算法来提供个性化推荐的一种常见方式。在这篇文章中，我们将讨论如何使用机器学习算法来构建一个高效的商品推荐系统。 数据收集和准备： 构建一个有效的商品推荐系统的第一步 ...

基于机器学习的推荐系统如何工作？

2023-08-15

介绍： 随着互联网的发展，人们面对信息过载的问题，推荐系统成为解决方案之一。基于机器学习的推荐系统利用大数据和算法来预测用户的偏好，为用户提供个性化的推荐内容。本文将介绍机器学习推荐系统的工作原理，包 ...

基于神经网络的推荐系统模型

2018-08-29

基于神经网络的推荐系统模型 为用户提供建议的平台。协同过滤算法是推荐系统中使用的主要算法之一。这种算法简单、高效;然而，数据的稀疏性和方法的可扩展性限制了这些算法的性能，并且很难进一步提高推荐结果 ...

基于协同过滤的推荐系统

2016-04-20

基于协同过滤的推荐系统 协同过滤是一种基于一组兴趣相同的用户或项目进行的推荐，它根据邻居用户(与目标用户兴趣相似的用户)的偏好信息产生对目标用户的推荐列表。协同过滤算法主要分为基于用户的协同过 ...

需求与匹配 从数据挖掘角度看世纪佳缘推荐系统

2016-04-18

需求与匹配 从数据挖掘角度看世纪佳缘推荐系统 昨天看到同事在朋友圈以及机器学习日报推荐的这篇文章：《佳缘用户推荐系统》，再结合自己之前的几年的推荐系统经验，以及在婚恋网站半年多的经验，来谈谈我眼中 ...

使用python构建一个推荐系统需要几步？

2020-05-29

在我看来，作为一位中国人的我们不管做什么决定都在面临多种选择。例如，如果我这个时候想要买一本书，但是我却不知道我想看什么书、不知道类型、不知道方向，那么这个时候打开各种进行软件搜索可能会出现各种各样 ...

物联网中的推荐系统

2020-01-13

作者 | Alexander Felfernig, Seda Polat Erdeniz 编译 | CDA数据科学研究院 Recommender systems in the Internet of Things 1、背景介绍 物联网是一种联网的基础架构，是物联网 ...

在Python中实现推荐系统！

2016-06-30

现今，推荐系统被用来个性化你在网上的体验，告诉你买什么，去哪里吃，甚至是你应该和谁做朋友。人们口味各异，但通常有迹可循。人们倾向于喜欢那些与他们所喜欢的东西类似的东西，并且他们倾向于与那些亲近的人有 ...

矩阵分解在推荐系统中的应用：NMF和经典SVD实战

2016-05-06

矩阵分解在推荐系统中的应用：NMF和经典SVD实战 数据  关于NMF，在隐语义模型和NMF（非负矩阵分解）已经有过介绍。 用户和物品的主题分布 运行后输出： 可视化物品的主 ...

数据挖掘：推荐系统综述以及美团推荐系统介绍

2015-12-29

数据挖掘：推荐系统综述以及美团推荐系统介绍 文 | 宿痕 来源 | 知乎 其实推荐系统前面已经讲过不少，那时候主要是放在机器学习上讲的，既然这次要系统撸一遍数据挖掘，就把推荐系统单 ...

从“标签”到“人”：CDA数据分析师视角下的用户画像

2026-04-30

 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何指导业务”时，却常常答不上来。其实，标签是对一个用户“打点描述”，画像是对一群人 ...

【CDA干货】模型质量测试对比：方法、维度与实操指南

2026-04-14

在人工智能与机器学习落地过程中，模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型，还是推荐、预测类模型，只有通过科学、全面的测试对比，才能精准判断模型的性能边界、适用场景，避免因模型偏 ...

【CDA干货】解析神经网络中卷积的核心作用：提取数据的特征与隐藏价值

2026-04-03

在深度学习神经网络中，卷积操作是实现数据特征提取的核心引擎，更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机器学习需要人工设计特征算子，卷积凭借其“局部感知”“参数共享”的独特优势，能够自 ...

【CDA干货】实时赋能，精准预判：用户实时行为序列预测的技术实践与价值落地

2026-04-02

在数字化交互的全场景中，用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”，内容APP用户的“刷短视频→停留点赞→搜索同款”，金融APP用户的“登录→查询余额→浏览理财” ...

【CDA干货】多参数综合作用：解锁机器学习精准性与泛化能力的核心密钥

2026-03-27

机器学习的本质，是让模型通过对数据的学习，自主挖掘规律、实现预测与决策，而这一过程的核心驱动力，并非单一参数的独立作用，而是多参数的协同联动与综合调控。从简单的线性回归到复杂的深度学习模型，参数作为模 ...

【CDA干货】数据赋能营销：从经验决策到科学增长的实战闭环

2026-03-25

在流量红利见顶、获客成本持续攀升的当下，营销正从“广撒网”的经验主义，转向“精耕细作”的数据驱动主义。数据不再是营销的辅助工具，而是重构“人-货-场”关系的核心引擎。它让品牌不再盲目猜用户，而是精准找用 ...

【CDA干货】机器学习算法工程实用案例解析：从落地到优化全流程

2026-03-18

机器学习算法工程的核心价值，在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案，解决实际业务中的痛点问题。不同于纯算法研究，工程落地更注重“实用性、稳定性、可扩展性”——既要选择适配业务场景的 ...

【CDA干货】随机森林算法重要性分析：原理、实操与业务价值

2026-03-12

在机器学习建模过程中，“哪些特征对预测结果影响最大？”“如何筛选核心特征、剔除冗余信息？”是从业者最常面临的核心问题。随机森林作为一种集成学习算法，不仅具备高精度、抗过拟合、适配多场景的优势，更自带“ ...

【CDA干货】数据分析赋能价值创造：国内外知名经典案例解析

2026-03-11

在数字经济飞速发展的今天，数据分析已从“辅助工具”升级为“核心竞争力”，渗透到商业、科技、民生、金融等各个领域。无论是全球科技巨头的商业迭代，还是国内企业的转型突破，亦或是公共服务的效率提升，数据分析 ...

【CDA干货】关联分析之支持度：核心指标的本质、应用与实操指南

2026-01-27

关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法，广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而支持度（Support）作为关联分析中最基础、最核心的指标，是判断项集间关联是否具有普 ...