MyMediaLite 1.04发布 多用途推荐系统的算法库

MyMediaLite 1.04该版本项目建议和矩阵分解的一个简化API,已具有良好的类的名称。 MAE优化已被合并到BiasedMatrixFactorization">推荐系统中的选择。该评级预测工具允许用户自定义的预测输出格式。该项目的预测工具,允许规范的项目进行评估,以考虑:在训练集合(默认)的项目,一个已知的设置(通过-相关的项目文件),唯一的测试设置(-测试项目),或仅仅在项目的培训和测试设置(-重叠项)。保存时间上的一个随机子集的用户评价。

MyMediaLite 是一个轻量级的多用途的推荐系统的算法库。

下载地址:

binary package: MyMediaLite-1.04.tar
.gz (2011-08-03) source code: MyMediaLite-1.04.src.tar.gz (2011-08-03)

时间: 2024-08-30 05:55:18

MyMediaLite 1.04发布 多用途推荐系统的算法库的相关文章

MyMediaLite 1.03发布 多用途推荐系统的算法库

MyMediaLite 是一个轻量级的多用途的http://www.aliyun.com/zixun/aggregation/8086.html">推荐系统的算法库. MyMediaLite 1.03更新日志: A prototype SOAP web service for rating prediction. We plan to offer most of MyMediaLite's functionality using RESTful services in the future

MyMediaLite 3.01发布 多用途推荐系统算法库

MyMediaLite 是一款轻量级多用途的http://www.aliyun.com/zixun/aggregation/8086.html">推荐系统算法库.它解决了协作过滤的两个最常见问题:等级预报(如规模在1到5)和隐式反馈的项目预测. MyMediaLite 包含了多个推荐引擎,包括最先进的矩阵分解方法.支持8206.html">实时更新到推荐引擎,存储引擎到磁盘和重新装载,几个评估措施来比较不同的推荐系统方法的准确性. MyMediaLite 3.01该版本增加

谷歌官方发布的页面布局算法调整值得站长重视

谷歌是全球最先进的搜索引擎,但在中国搜索引擎的老大还是百度.但国内很多人都说百度一直在模仿谷歌,谷歌的今天就是百度的未来.这种说法笔者也是认同的.就在前段时间谷歌明确表明要惩罚广告过多的网站,笔者针对这一事件发表了一篇"谷歌明确提出要惩罚广告过多的网站 站长该如何应对"的文章,大家有兴趣可以看看.但自从提出要处罚广告过多的网站之后,谷歌官方博客就发布了页面布局算法的调整.其实这些细小的动作是非常值得我们站长参考的,由于很多站长对于谷歌的这种举动还没有充分的意识,今天特此在这里给广大站长

《Mahout算法解析与案例实战》一一1.2 Mahout算法库

1.2 Mahout算法库 Mahout自从2008年兴起以来,发展迅速,从最开始的只有推荐系统到现在的多个算法模块,涵盖了很多行业.这些模块有聚类算法.分类算法.协同过滤算法和频繁项集挖掘算法,每个模块都含有一个或者几个不同的实现算法,下面分别进行介绍.1.2.1 聚类算法 中国有句古谚语"物以类聚,人以群分".一个聚类即是一类物体的集合,集合中的个体是相似的,不同聚类中的个体是不相似的.聚类的二维图如图1-1所示. 图1-1 聚类二维图 针对上面的数据,我们可以很容易地把它们分为右

Fregata 机器学习算法库开源:快速,无需调参

一. 大规模机器学习的挑战 随着互联网,移动互联网的兴起,可以获取的数据变得越来越多,也越来越丰富.数据资源的丰富,给机器学习带来了越来越多,越来越大创造价值的机会. 机器学习在计算广告,推荐系统这些价值上千亿美元的应用中起到的作用越来越大,创造的价值也越来越大.但是越来越大的数据规模也给机器学习带来了很多挑战. 最大的挑战就是庞大的数据量使得对计算资源的需求也急剧增长.首先经典的机器学习算法其计算量基本上都是与训练数据条数或者特征数量呈二次方甚至是三次方关系的[1].即是说数据量或者特征数每翻

轻量级大规模机器学习算法库Fregata开源:快速,无需调参

一. 大规模机器学习的挑战 随着互联网,移动互联网的兴起,可以获取的数据变得越来越多,也越来越丰富.数据资源的丰富,给机器学习带来了越来越多,越来越大创造价值的机会. 机器学习在计算广告,推荐系统这些价值上千亿美元的应用中起到的作用越来越大,创造的价值也越来越大.但是越来越大的数据规模也给机器学习带来了很多挑战. 最大的挑战就是庞大的数据量使得对计算资源的需求也急剧增长.首先经典的机器学习算法其计算量基本上都是与训练数据条数或者特征数量呈二次方甚至是三次方关系的[1].即是说数据量或者特征数每翻

数据结构之自建算法库——图及其存储结构(邻接矩阵、邻接表)

本文是[数据结构基础系列(7):图]中第4课时[图的邻接矩阵存储结构及算法]和第5课时[图的邻接表存储结构及算法],并为后续内容的实践提供支持. 图的存储结构主要包括邻接矩阵和邻接表,本算法库提供存储结构的定义,以及用于构造图存储结构.不同结构的转换及显示的代码.算法库采用程序的多文件组织形式,包括两个文件: 1.头文件:graph.h,包含定义图数据结构的代码.宏定义.要实现算法的函数的声明: #ifndef GRAPH_H_INCLUDED #define GRAPH_H_INCLUDED

手把手教你发布自己的CocoaPods开源库

本文讲的是手把手教你发布自己的CocoaPods开源库,发布自己的cocoapods开源库按照以下步骤,良心制作,包教包会!! 下面我会通过一个名为IFMMenu的项目来讲解一下整个过程. 1.写好代码,上传到github github上创建项目仓库的时候记得创建LICENSE(许可证/授权)文件,此文件必须要有. github上创建项目仓库 2.将自己的项目打成tag 因为cocoapods是依赖tag版本的,所以必须打tag,以后再次更新只需要把你的项目打一个tag,然后修改.podspec

数据结构之自建算法库——循环单链表

本文针对数据结构基础系列网络课程(2):线性表中第13课时循环链表. 按照"0207将算法变程序"[视频]部分建议的方法,建设自己的专业基础设施算法库. 双链表算法库算法库采用程序的多文件组织形式,包括两个文件: 1.头文件:clinklist.h,包含定义双链表数据结构的代码.宏定义.要实现算法的函数的声明: #ifndef CLINKLIST_H_INCLUDED #define CLINKLIST_H_INCLUDED //循环单链表基本运算函数 typedef int Elem