前面都是大二上學期的事情了，到了大二的下學期。老師急著要成果，我之前做的鋪墊也可以得到一點體現了。經過了乙個寒假的讀**，我也開始對這個演算法有了不錯的理解。發現這不過是統計學，高等數學，線性代數的簡單應用而已。看過很多文獻對這些演算法的改進，我自己也想過很多改進方法，但是很可惜的是我沒有去 一 一 的記錄下來。不過這也加強了我對數學的理解。
開學之後我要參加科技創新，頭大的是這個演算法沒有什麼很好的載體。在大的電商**上的確有推薦系統，但是我並不會去做乙個電商**，那我的系統有什麼用呢？最後只能是資料處理平台這個方案，申報《服裝推薦系統的研究》這個標題。申報之後還算順利。但是我得上台答辯，只給我三分鐘要我說清楚這個東西的發展現狀，作用，我的優勢，後續的發展。簡直**，我在和我學弟介紹的時候很是順暢，我絲毫不用關心時間問題，我只要一五一十的把握的知識表達出來，這個我是很擅長的。但是加上很多限制之後，我就很難發揮了。
做ppt，寫申報書，都是讓我頭痛的，就不一一贅述了。
但是插敘乙個很有價值的經歷：
老師叫了兩個學生去創新創業的結題答辯現場，幫評委計時。有乙個同學放了老師鴿子，於是我被叫了過去，那一次的答辯會給了我很多的思考。有個大三的學生創業成功了，融資了兩百萬，是乙個年輕人聚會的場地設施出租專案。他們目前已經開始盈利了，而店長就是乙個大四的學生（申請的這個創新專案的時候是大三）。很有意思的是，評委問他：既然你創業成功了並且已經開始盈利了為什麼還要來參加這個比賽？他回答：當時我申報的時候還只是個計畫，後來過了幾個月我們有了融資於是就開始開店了。當時下面的評委都笑了起來，做了之後才知道有沒有，這的確是硬道理。還有乙個研究生更讓我感到震驚，他沒有融資，憑藉著自己的產品已經每月盈利3萬了，是乙個可以控制的機械臂，將一些較為複雜的運動用一些便宜的材料做出來並且投入生產之中。當場就有個評委把她們叫進小黑屋，談談他們的專案。我猜可能是融資吧。。。。。
那一次的經歷讓我看到了很多，都是大學生有的還在寢室裡面睡覺，有的人已經是人上人了。但是那些整日遊手好閒的人毫無自覺，不願意學習的人只會被社會拋棄，也許正是因為這樣，社會才會有分層吧。（2023年5月23日，我為我自己的這段批判性的語句感到羞恥。自己居然說過這種愚蠢的話，我不刪掉這段話，以此來警告自己）
到了我去答辯的哪一天：
我才發現自己是多麼的弱，大家答辯都是四個人西裝革履到場。我只有乙個人，穿著大褲衩和t恤。而且，他們專案的內容比我的多很多，有的已經開始到實地實驗了。我的東西還只是在實驗室裡的研究狀態。寡不敵眾，這是我頭腦裡第乙個閃過去的詞。
不過，那次答辯之後我的專案還是上了省級，雖然有4個推薦系統上台了。但是只有我說出了其中的原理和實驗成果，其他隊伍只不過是提出了乙個框架。這次的勝出並沒有讓我開心，因為在我心裡，別人已經贏我太多了。雖然他們所說的大部分專案我都覺得不夠高階，但是他們有團隊，有組織，有很多我沒有的。
推薦系統的學習歷程（三）
專案申報之後，要做的就是發表一篇學術 其實我對這個毫無壓力，因為我已經做過了實驗，我只需要將實驗結果寫到 裡面即可。但是，我的老師突然告訴我，我申報了服裝推薦系統，那我的實驗也得是服裝的。換句話說，我的資料必須是服裝資料。只能硬著頭皮做了。import json import re import r...
推薦系統學習（二）
擴充套件閱讀 這篇 是07年的，是傳統的方法中比較經典的 了.他論述了現在推薦的問題,評分矩陣的稀疏性，以及資料量的逐漸增加，最好的總結請看pmf，這位博主總結的比較全面，該博文從問題定義，以及問題解決思路都進行了很好地說明。了解 中公式的解釋請參考原理，中詳細的推導過程可以參考pmf推導。這些總結...
推薦系統 電影推薦系統（二）
als是交替最小二乘法的簡稱，是2008年以來，用的比較多的協同過濾演算法。它已經整合到spark的mllib庫中，使用起來比較方便。這裡可以想象一下，每個人的性格愛好可以認為是乙個抽象的模型，每個人的模型都有自己的乙個特點。因此，每個人對於商品的評價都有自己的一套規律，als演算法就是可以通過這些...