Math :: Preference :: SVD Math :: Preference :: SVDは、単一値分解（SVD）に基づく設定/推奨エンジンです。
今すぐダウンロード

Math :: Preference :: SVD ランキングとまとめ

Math :: Preference :: SVD タグ

数学的 Perlモジュール 推薦エンジン 単位分解 SVD おすすめ

Math :: Preference :: SVD 説明

Math :: Preference :: SVDは、単一値分解（SVD）に基づく設定/推奨エンジンです。 Math :: Preference :: SVDは、単一値分解（SVD）に基づく設定/推奨エンジンです.SYNOPSIS Math :: Preference :: SVDを使用します。 My $ X = Math :: Preference :: SVD-> New;私の@users =（0..3）;私の@Movies =（0..3）;私の@ratings =（map（{} @users） *項目1は5地図（{} @users）であると言います。 *誰もが* 3は評価されています2）。 $ x-> set_ratings（@ratings、）; My $ CUST（@USERS）{My $ Movie（@ Movies）{＃previce_rating（）{＃previce_rating（）{＃previce_rating（）the cust_id - はい、＃これは私の$ Predited = Sprintf "％1.2f"、$ xに戻ります。 - > Predict_rating（$映画、$ CUST）; 「ムービー$ムービーについてのCUST $ CUST $ CUST版：予測：$ Previsted」についてこのモジュールは、NetFlix賞の競争に対するエントリーの1つに基づいて単純な「優先エンジン」を実装しています。優先エンジンはアイテムのためのユーザー評価データを取得し、システムがそれらを購入または享受する可能性がある他のことがそれらを見つけて提案することができるように、他のものに対するユーザーの定格を予測しようとしています。元の行列を近似するデータと一方で、データと1つずつ2つのマトリックスに分解します。ここで、その後、最初の行列のセットによって終了したエラーから始めて、もう一度実行して、1セットの長さと幅広い行列を実行します。それからそれはまたそれをします。結果は、互いに乗算できる一連の行列、およびそれらの出力が原因であることをほぼ再構築することができます。その映画の顧客の評価を指定するためにそこにあります。背の高いもの（映画のための）と幅の高いもの（顧客のための）を持つ行列の各セットは、評価されている映画のいくつかの有形属性に関する情報とユーザーがその属性についてどのように感じているかと考えることができます。 Netflix賞Data.extrapolationから抽出された最初の3つの属性の素晴らしい例については、以下の参照を参照してください。これが推薦エンジンのビットが登場する場所です。この顧客が決して行わなかった顧客による格付けのことを尋ねることができ、それはさまざまな機能のためのムービーの機能とムービーの機能を巡回して、それらを追加することができます、そのユーザーのその映画の予測評価を提供します。すべての映画を繰り返すことによって（そして私は映画と言うが、他のユーザを含む）、その映画のための特定のユーザの予測を求め、結果の整理を求めることによって、あなたはのリストを思いつくことができます彼または彼女またはそれが好きかもしれない勧告。要件： ・Perl

Math :: Preference :: SVD 関連ソフトウェア