非負値行列因子分解（NMF）によるレコメンドのちょっとした例 - About connecting the dots.

テクノロジーカテゴリーの変更を依頼記事元:

smrmkt.hatenablog.jp

75 usersがブックマークコメント

コメント

2

記事へのコメント2件

注目コメント
新着コメント

chezou だいたい、ビッキー氏へのリファーだった

2014/08/25 リンク

teddy-g アイテムベース、ユーザベースのレコメンドの基本手法から、SVD&NMF使う方法まで簡潔に説明。アイテムの類似性×ユーザプロファイルでレコメンドする際に、SVD或いはNMFでプロファイルを再構築する感じ。

2016/03/01 リンク

chezou だいたい、ビッキー氏へのリファーだった

2014/08/25 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

非負値行列因子分解（NMF）によるレコメンドのちょっとした例 - About connecting the dots.

最近線形代数についていろいろ読みなおしたりしてるのですが（線形代数チートシートを前の記事でまとめ... 最近線形代数についていろいろ読みなおしたりしてるのですが（線形代数チートシートを前の記事でまとめてあります），その一環でレコメンドアルゴリズムについていくつか試してみたので，それを解説します．順序としては，基本の協調フィルタリング（ユーザベースド，アイテムベースド）→特異値分解（SVD）→非負値行列因子分解（NMF）になります．基本的な考え方ここで取り扱うのは，すべて以下のようなユーザ×商品のマトリックスをベースとしたレコメンドになります*1．ここでは映画レンタルサービスを例にして考えます．6人のユーザが，4つの映画*2のうちレンタル視聴したものについては，1-5点の5段階評価を行いました．0になっているものは「みていない」ということになります．まずはざっと評価の状況をみると，「千と千尋の神隠し」が最もよく視聴されていて，6人中4人がみています．次にみられているのは「となりのトトロ」

ブックマークしたユーザー

techtech05212023/11/17
s-feng2019/02/07
tanishiking242018/05/20
KDY2018/01/24
abrahamcow2017/12/19
shokosaka2017/11/16
keihs2017/08/04
tatsu_tora2017/06/20
pirorongo212016/09/22
werdandi2016/09/18
yukimori_7262016/08/21
osanine2016/06/18
razokulover2016/04/26
fcicq2016/04/20
miguchi2016/03/29
jusuke2016/03/28
teddy-g2016/03/01
Hash2016/02/14

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.

Alternative Proxies:

Alternative Proxy