最新回答 / 慕夢(mèng)前來(lái)
網(wǎng)速慢？那就用熱點(diǎn)呀
最新回答 / 慕田峪8497041
我把整個(gè)過(guò)程迭代了10000次? ?num_feature設(shè)置為100? ? 最后errors確實(shí)隨著迭代次數(shù)減少 但是每次對(duì)同一個(gè)用戶的推薦結(jié)果還是完全不一樣?
2019-05-25
最贊回答 / 吃麥子的貓
不太懂，前面說(shuō)內(nèi)容矩陣X和用戶喜好矩陣Theta相乘就是完整的評(píng)分表了，我猜測(cè)這里加平均分可能是為了讓數(shù)據(jù)好看一點(diǎn)，因?yàn)殡娪邦愋蚽um_features他直接默認(rèn)設(shè)置的10，當(dāng)實(shí)際的類型遠(yuǎn)大于10的時(shí)候，計(jì)算出來(lái)的評(píng)分值會(huì)偏小，我試過(guò)，可能只有0.幾的評(píng)分。所以當(dāng)找到一個(gè)合適的num_features之后不加平均分，出來(lái)的值就是正常的，加上平均分反而超過(guò)評(píng)分的最高值了。他前面評(píng)分最高就5分，結(jié)果出來(lái)5.好幾，這不是扯呢么
2019-05-05
最新回答 / 吃麥子的貓
解決了，直接用excle修改.csv?文件，用其中rank函數(shù)進(jìn)行對(duì)應(yīng)排序
最贊回答 / 吃麥子的貓
你百度一下數(shù)據(jù)集就好了，挺多的
最新回答 / 慕移動(dòng)9181930
如果你聲明在外面的話，沒(méi)次調(diào)用自身函數(shù)都會(huì)重新把num值變成最初值，所以會(huì)影響效果，還是用全局變量比較好大多都是小白來(lái)學(xué)的，我就覺(jué)得老師講的很詳細(xì)的。
2018-12-16