何为转置卷积?
...
电子商务AI算法大赛Top2方案分享
上一次，我们介绍了电子商务AI算法大赛中我个人的解决方案。虽然在经过一顿操作后，线上分数得到了肉眼可见的提升，但相比于大佬们的成绩还是差了亿点点的 所以呢，这次来解读top2选手的解决方案，从优秀开源代码中学习思路，积累经验。 关于赛题的介绍以及数据集说明，可以回看上一篇文章哈：xxxxxx 线下验证方案date字段代表的是第几天，训练集中date的取值范围是从1 到116，共116天；测试集中date的取值范围是117到123共7天。于是从训练集中划出最后7天的数据作为验证集进行线下验证： 而在最终提交时，取消验证集，用全部训练数据进行训练： 数据集划分代码如下： 123456def split_dataset(data, valid_start_date, gap): train = data[data['date']<valid_start_date].copy() valid =...
电子商务AI算法大赛baseline
目录抢先看：[TOC] 赛题背景随着电子商务与全球经济、社会各领域的深度融合，电子商务已成为我国经济数字化转型巨大动能。庞大的用户基数，飞速发展的移动互联网行业，balabalabala…… 本次比赛提供消费门户网站“什么值得买”2021年1月-2021年5月真实平台文章数据约100万条，旨在根据文章前两个小时信息，利用当前先进的机器学习算法进行智能预估第三到十五小时的文章产品销量，及时发现有潜力的爆款商品，将业务目标转化成商品销量预测，为用户提供更好的产品推荐并提升平台收益。 赛题地址： https://www.automl.ai/competitions/19#home 数据介绍赛题数据包含以下部分： 1234- train.csv #训练数据- test.csv #测试数据- sample_submission.csv #样例预测文件- sample_submission.csv.zip #样例提交文件 数据集所含字段如下： 1234567891011121314151617181920212223242526字段名称 字段类型 字段说明 article_id ...
推荐模型:从逻辑回归到POLY2到FM再到FFM
无论是基于内容的推荐算法，还是协同过滤算法，它们都只用到了用户和物品之间的行为信息，所以能不能加入更多的信息，比如用户/物品本身的信息以及上下文信息来更好地指导推荐呢？ 事实上，这正在把推荐问题转化为我们所熟悉的机器学习问题。具体来讲，给定训练集，利用训练集的特征和标签训练一个模型，然后用该模型指导推荐。 在之前讲解的协同过滤算法中，我们通常是预测某用户对于某些物品的打分，然后按照打分值从高到低排列物品，选择前几个推荐给用户。 而这里，训练好的模型会直接预测某用户是否会对物品产生正反馈（比如购买一件商品，观看一部电影等），若会，则将物品推荐给该用户。没错，这就是一个二分类问题。 接下来介绍几个经典的相关模型，有一些可能已经听说过，比如逻辑回归，嗯，就从它开始吧~ 逻辑回归逻辑回归(Logistic Regression,...
当SVD遇见CF
...
用Python搭建一个课程推荐系统:基于协同过滤算法
本文分享一个开源项目：课程推荐系统。 项目地址见文末参考资料[1]. 该项目基于协同过滤算法，输入要预测的用户id以及要推荐的课程总数，输出推荐结果。 整个项目将使用Flask框架进行部署。 代码结构 主要逻辑在generator.py中，与其并列的testing.py作测试用，其余文件都是些工程上的代码(内存占用优化，日志文件处理，前端展示)。 数据处理原数据是日志文件，作者已经针对这些日志文件做了处理(使用Input Preprocessing中的模块)，并提供了处理好的数据(.csv)，因此这一步可以忽略。 读取处理后的数据： 12import pandas as...
用Python搭建一个电影推荐系统
之前我们以电影推荐为例，介绍了基于内容的推荐算法。可能各位看的有些枯燥，没关系，现在来做点有趣的事情：动手去实现它！ 查看数据集使用的数据集是Kaggle上的TMDb，该数据集包含两个.csv文件：movies.csv和credits.csv。首先读取数据集： 12movies = pd.read_csv('tmdb_5000_movies.csv')credits = pd.read_csv(r'tmdb_5000_credits.csv') 数据集中包含了4803部电影的相关信息，包括电影类型，关键词，电影名字等，但并不包含单个用户的信息。因此，接下来，我们将主要根据每部电影的相关信息，从中抽取出每一部电影的特征，这些特征将用于计算电影之间的相似度，从而完成电影的推荐。 数据处理为了提取到每部电影(每行对应一部电影)的特征，需要先对数据做些处理。 将movie和credits这两张表合并： 12movies =...
协同过滤算法
...
基于内容的推荐算法：以电影推荐为例
讲个故事哈： 在一个周五的傍晚，你独自取了外卖，回到寝室，拿起手机，准备边吃饭边欣赏电影的精彩。你打开了外卖包装，一边吃一边快速地刷着视频软件。不久，外卖盒子已是空空如也，而你仍然在快速地刷着视频软件。没错，此时外卖已吃完，你还是没有找到想看的电影，反被淹没在信息流的大海。 推荐系统是个啥？随着社会的发展和科技的进步，互联网上的信息变得越来越多，对于用户来说，很难直接对这些信息加以有效利用。 因此，如何做到对不同用户推送其所需要的内容是非常必要的，这便引出了推荐系统。 事实上，你每天都在接触它。B站首页内容，抖音短视频，淘宝首页，腾讯视频首页等等，背后都是推荐系统在起作用。 我打算花一些时间去学习推荐系统领域相关的知识，所有的学习笔记将更新在本号，欢迎小伙伴们持续关注丫~ 基于内容的推荐算法推荐系统所采用的算法，称之为推荐算法。推荐算法的种类较多，本文将参考吴恩达老师的视频，介绍基于内容的推荐算法(Content-based recommender systems)。 所有内容均基于下面的栗子。 在这个栗子中，我们将构建一个基于内容的电影推荐系统。 总共5部电影：Love...
