腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

推荐2个工具

话题一转，说说今天的主角：2个工具，一个是抓包工具Charles，一个是API调试工具Postman。

2018-05-11

3.2K0

标签:

推荐 2 个阅读神器

说下我推荐的 2个阅读神器。为什么说是阅读，而不是看书呢。在我朋友圈的读者们，可能已经知道了。比起看书，我平常阅读更多的是，期刊论文或者博硕毕设。偶尔，要学点新技术，看书才会成为我的选择。所以，我要推荐的，1个神器，是微信读书，用来看书；第2个神器，是知网和谷歌学术。微信读书，是我的年度最佳 app ，绝对可以排前三。下图层1，是谷歌学术搜索；图层2/3，是知网的。但，他俩代表的是两个世界如果你有好的看书，阅读神器，也欢迎留意，与大家一起分享！不出意外，这是农历2022年前，最后一篇文章了。

2022-03-31

1.1K0

标签:

16推荐系统1-2基于内容的推荐系统

我最常听到的答案是推荐系统。现在，在硅谷有很多团体试图建立很好的推荐系统。因此，如果你考虑网站像亚马逊，或网飞公司或易趣，或 iTunes Genius，有很多的网站或系统试图推荐新产品给用户。如，亚马逊推荐新书给你，网飞公司试图推荐新电影给你，等等。这些推荐系统，根据浏览你过去买过什么书，或过去评价过什么电影来判断。这些系统会带来很大一部分收入，比如为亚马逊和像网飞这样的公司。推荐系统是个有趣的问题，在学术机器学习中因此，我们可以去参加一个学术机器学习会议，推荐系统问题实际上受到很少的关注，或者，至少在学术界它占了很小的份额。 (红色框中问号) 选定两个为电影的属性 n=2，一个是电影的爱情片程度 x1，一个是电影的动作片程度 x2，则可以用一个特征向量表示每一部电影(加上截距向量 x0=1),则第一部电影可表示为 ? 在一般的线性回归模型中，误差项和正则项应该都是乘以 1/2m，在这里我们将 m 去掉。并且我们不对方差项 (即截距项) 进行正则化处理。

演化计算与人工智能

2020-08-14

1.1K0

标签:

机器学习学习笔记(2) -- 推荐算法

1、推荐系统涉及的知识电子商务业务知识、网站架构运营、机器学习算法、数学建模、大数据平台… 2、推荐系统涉及的常见算法聚类、关联模式挖掘、大规模矩阵运算、文本挖掘、复杂网络和图论计算等… 3 、推荐系统分类 Ⅰ、基于应用领域分类电子商务推荐系统、社交好友推荐系统、搜索引擎推荐系统、信息内容推荐系统...... Ⅱ、基于设计思想分类基于协同过滤的推荐系统、基于内容的推荐系统、基于知识的推荐系统、混合推荐系统...... Ⅲ、基于使用何种数据分类基于用户行为的推荐系统、基于用户标签的推荐系统、基于社交网络数据的推荐系统、基于上下文信息的推荐系统...... 4、实现协同过滤的步骤 ①收集用户偏好数据，基于邻域的推荐算法又分为基于物品推荐算法和基于用户推荐算法。实现基于邻域的算法思路举例：推荐数据准备：用户id、物品id、偏好值 --- 把数据看成空间中的向量 (1)建立物品的同现矩阵 (2)建立用户对物品的评分矩阵 (3)矩阵计算推荐结果 ---

2021-04-13

1.2K0

标签:

推荐系统之路 (2)：产品聚类

上一篇文章中，我们介绍了「推荐系统之路」，有些小可爱在留言里表示期待下一篇。最近，这位作者大大更新了。虽然还是关于推荐系统，但这次讲的是产品聚类以及相关方法，具体见下文↓↓ 在上一篇文章中，我大致介绍了推荐系统，但卡在了矩阵系统的性能这一块。为此，我们使用 2 个不同的向量器：CountVectorizer 和* *tf-idf Vectorizer。前者用 {0,1} 创建二元向量，后者根据单词在所有向量中的频率为每个单词分配一个权重。为了找出 2 个向量之间的相似性，我们用欧几里得距离来进行衡量。如果 2 个产品被归为 1 类，且距离要高于我们的阈值，我们就称生成的组为 category。 ? 想象一下，我们的数据就像一大桶产品。 https://medium.com/moosend-engineering-data-science/product-clustering-a-text-clustering-approach-c392c2ef4310

2019-05-15

1.2K0

标签:

GITCHAT系列2：个性化推荐

从用户的角度讲，人们往往喜欢花2个小时看一部电影，却不愿意花20分钟去挑选一部电影；从企业的角度看，Data Science Central编辑总监Bill Vorhies曾撰文[1]表示，“据估计，对亚马逊和在互联网领域，长尾效应尤为显著[2]。如下图所示，图中横轴表示数据类型，纵轴表示频率，大部分数据的频率都很低，但都是大于零的（图中右侧黄色部分），这就是长尾。 similarity = cos_sim(a=movie_feature, b=user_feature, scale=2) # 训练时，采用regression_cost作为损失函数计算回归误差代价由于Bot是面向API的，我们可以开发某个Workflow（比如IFTTT）完成一系列的任务，有人为其创造了一个新名词，叫“r2r - robots 2 robots”。 2. 接入PaddlePaddle预测文件变量MODEL_PATH是模型评估.

2018-03-15

1.7K0

标签:

2022 年 2 月 arXiv 论文推荐

最近在强化学习和语言模型的交叉点上可能有趣的另一篇论文是Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents. 2、

2022-03-12

9330

标签:

《Framework Design Guidelines 2nd Edition》推荐

前言最近看了《FDG 2nd Edition》，也适当做了些笔记，在这里写这篇文章的目的主要有两个，一是对自己学习的一个记录、积累；另外，还可以用这篇总结向一些有需要的朋友推荐这本书。 2. 工厂模式牺牲了可发现性、可用性及一致性来实现了灵活性，所以在使用时需要注意不被滥用。后话我之前一直没有看这本书，全靠自己不断地编写代码，不断地靠主观来分辨某个设计是不是好的。这里，我推荐以下任何一种类型的读者阅读这本书：专注于.NET平台的任何开发人员。理解了一般设计思想，但是想在.NET平台上深化设计的软件设计师。 JAVA及.NET平台的框架设计人员。为了提高自己的表达能力和口才，看了一本老婆推荐的书：《思维导图：提高语言智能的十种方法》。最终发现其实这本书对于社交和口才并没有什么关系。

2018-01-29

1.3K0

标签:

推荐 2 款必备的 Django 开发神器

使用 Django 进行 Web 开发的时候，为了提高开发效率，少不了安装一些第三方应用 App 本篇文章将推荐 2 款非常好用的应用 App django_extensionsdebug_toolbar 'django_extensions'， ... ）接下来就可以使用它进行项目调试了常见的功能如下： 2-1 增强版 Shell 我们都知道，原始项目都是使用「 . /manage.py shell_plus 」命令就可以进入到增强版的 Shell，自动导入项目下所有模型，非常方便我们调试 2-2 检查模板错误使用「 . /manage.py validate_templates 0 errors found 2-3 查看路由列表使用「 . 最后文中推荐了两款非常实用的 Django 开发辅助应用，它可以帮助我们对项目进行调试，快速定位问题如果你觉得文章还不错，请大家点赞、分享、留言下，因为这将是我持续输出更多优质文章的最强动力！

2021-03-25

1K0

标签:

使用wrd2vec构建推荐系统

译者 | Arno 来源 | Analytics Vidhya 【磐创AI导读】：这篇文章主要介绍了如何使用word2vec构建推荐系统。概览如今，推荐引擎无处不在，人们希望数据科学家知道如何构建一个推荐引擎 Word2vec是一个非常流行的词嵌入，用于执行各种NLP任务我们将使用word2vec来构建我们自己的推荐系统。我们将使用一个NLP概念--Word2vec,向用户推荐商品。如果你觉得这个教程让你有点小期待，那就让我们开始吧！在文中，我会提及一些概念。案例研究:使用Python中的word2vec进行在线商品推荐现在让我们再一次确定我们的问题和需求：我们被要求创建一个系统，根据消费者过去的购买行为，自动向电子商务网站的消费者推荐一定数量的商品。开始推荐商品恭喜你!我们终于准备好我们的在线零售数据集中每个商品的word2vec embeddings 。现在，我们的下一步是为某个商品或某个商品的向量推荐类似的商品。

2019-08-13

2.1K0

标签: