2.程式設計題
第一種是基於內容上進行推薦，是靜態，比較單一；協同過濾是動態的一種方法，基於使用者的喜好，使用者的使用者，推薦的範圍變大了
問題：如果總是推薦同一種型別的東西？客戶不會厭煩？
講我自己的體會，我就很煩。總是給你推薦相關的內容，沒有新意，新鮮感。
追評：內容相似度只考慮內容，而忽略行為，這樣無法給使用者推薦新的型別的物品，這顯然是不合理的，同類產品使用者的需求是有限的。協同過濾演算法則是充分利用了大量使用者的智慧型，以提公升整個系統的推薦能力。
從使用者的角度出發，興趣相近的使用者可能會對同樣的東西感興趣（usercf），使用者可能較偏愛與其已購買的東西相類似的商品（itemcf）
就目前的情況下，大家都需要推薦系統，推薦系統在我們的生活中無處不在，使用qq瀏覽器閱讀文章，下次開啟瀏覽器還是推薦相類似的內容。那麼什麼情況下不需要推薦系統呢？比如一家創業公司成立不久，使用者基數小，使用推薦系統不能留住很多使用者。假設說這家公司的使用者是1000，使用推薦系統可以提高20%，那麼也就是在原來的基礎上增加了200人
# 匯入需要用到的演算法模組
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
from sklearn.metrics import accuracy_score
from sklearn.datasets import load_digits
# 載入資料
digits = load_digits(
)data = digits.data
# 將25%的資料作為測試集，其餘作為訓練集
train_x, test_x, train_y, test_y = train_test_split(data, digits.target, test_size=
0.25
, random_state=33)
# 資料預處理採用z-score規範化
pre_ss = preprocessing.standardscaler(
)train_pre_ss_x = pre_ss.fit_transform(train_x)
test_pre_ss_x = pre_ss.transform(test_x)
# 訓練decisiontree分類器
from sklearn.tree import decisiontreeclassifier
clf = decisiontreeclassifier(random_state=
0,splitter=
'best'
,criterion=
'gini'
)# sklearn預設使用基尼gini係數
clf.fit(train_x,train_y)
predict_y = clf.predict(test_pre_ss_x)
# cart演算法準確率:10.89%
print
('cart演算法準確率:'
.format
(accuracy_score(test_y, predict_y)
))
BI 商業智慧型與 BA 商業分析 的區別
企業it部門經常聽到的兩個詞彙是business analysis 商業分析，business intelligence 商業智慧型。很多人將兩者混為一談，特別是很多hr公司在招聘職位時也將這兩者混淆。下面我就簡單介紹一下兩者的區別。bi business intelligence 商業智慧型的定義...
BI學習作業14 AlphaGo Zero實戰
2.程式設計題 蒙特卡洛方法的基本理念是在面向求取含有未知隨機變數的概率事件時，通過某種 試驗 的方法以得出所包含的隨機變數的均值或某種情況 特殊事件 成立的概率，作為此類問題的近似解。這種方法通過分析事件概率或隨機變數的變化特徵，利用數學方法確定乙個基準模型 即變化規律 用於模擬，按照模型規律對問...
BI 學習之 商業智慧型專案工具安裝
我目前使用的ide是vs2012所以用這個平台對應的模板，微軟ssas小組2013年3月就發布了這個針對商業智慧型的vs2012專案模板。安裝後可以在 vs 2012 下開發 sql server 2012下的商業智慧型專案。如果沒有安裝vs2012的話，會安裝visual studio 2012的...