Kmeans算法学习笔记

Kmeans算法计算方法从n个向量中选择k个向量作为初始的聚类中心根据在步骤(1)中设置的k个向量,计算每个向量与这k个中心的距离对于(2)中的计算,将距离这个向量最近的中心向量归在一个类簇里重新计算每个类簇的位置重复(3)(4)步骤,直到类簇变化量极少为止K-means算法的演示生成数据可见,数据

#机器学习  

基于物品的协同过滤算法

基于物品的协同过滤基于物品协同过滤算法的两个步骤找到和用户喜欢的物品根据用户喜欢的物品相类似的物品进行推荐找到相似物品的方案方案1(余弦相似度)N(i)是喜欢物品i的用户数量,N(j)是喜欢物品j的用户数量/***夹角余弦*@paramaList*@parambList*@return*/@Over

#推荐系统  

基于用户的协同过滤算法

基于用户的协同过滤系统协同过滤算法的两个步骤找到和目标用户兴趣相似的用户集合找到这个集合中,用户喜欢的,且目标用户没有听说过的物品推荐给目标用户如何计算用户之间的相似度/如何找到兴趣相似的用户对任何两两用户进行余弦相似度的计算对于用户的每一个进行过行为(浏览或观看)转化为一个向量成为aList对于另

#推荐系统