推荐义务就像是一个极端的多类别分类问题，猜测问题变成了一个在给定的时光 t 下，基于用户（U）和语境（C），对语料库（V）中数百万的视频类别（i）中的一个特定视频（wt）进行精准分类的问题。

在创建你本身的推荐体系前要留意的要点：

• 如不雅你拥有一个很大年夜的数据库，并且你要用它进行在线推荐，最好的方法就是把这个问题分成两个子问题：1）选择前 N 个候选结不雅，2）对它们进行排序。
• 你如何衡量你的模型的质量？除了标准化的质量指标，还有一些用于推荐问题中特定的指标：Recall@k，Precision@k也可看一下推荐体系的最佳描述指标。
• 如不雅你正在应用分类算法解决推荐问题，你应当推敲生成负样本（negative samples）。如不雅一个用户买了一件推荐的商品，你不该该把它当做正样本（positive sample）来进行添加，也不该该把其余作为负样本来处理。
• 推敲一下你的算法质量的在线邮攀离线评分。一个仅基于汗青数据的练习模许可以产生简单的推荐结不雅，因为该算法并不会知道将来的新趋势与偏好。

【编辑推荐】

1. 大年夜TensorFlow到Theano：横向比较七大年夜深度进修框架
2. 纯干货 | 深度进修研究综述
3. 基于OpenGL ES 的深度进修框架编写
4. LSTM、GRU与神经图灵机：详解深度进修最热点的轮回神经收集
5. 深度进修主动编码器还能用于数据生成？这篇文┞仿告诉你谜底

【义务编辑：张子龙 TEL：（010）68476606】

　　推荐阅读

　　【漏洞分析】Struts2高危漏洞S2-048分析

本次马脚触发点在：org.apache.struts2.s1.Struts1Action.execute() 办法中，如下图所示。org.apache.struts2.s1.Struts1Action 类为一个 Wrapper 类，用于将 Struts1 时代的 Action 包>>>详细阅读

本文标题：推荐系统主要算法总结及Youtube深度学习推荐算法实例概括

地址：http://www.17bianji.com/lsqh/36145.html

 1/2    1