准备
公司需要针对网站搭建一个基于用户反馈的推荐系统。重温下吴恩达大佬的课程。使用Python来个实战。 文章将会讲解基于内容的推荐以及协同过滤算法的原理，并使用Python和Pandas库来实现一个简单的推荐系统。 您需要有基础的数学和Pyhton知识。
基础知识
线性回归（Linear regression）
线性，意思是被分析数据与结果存在线性关系，通过方程来描述一个或多个自变量与目标结果之间的关系的一种分析方式。在数据分析中 有广泛的应用。针对数值型会有比较好的效果。但是对于非线性数据拟合效果不好。通过运算我们找到方程最近似的解，画出来之后会是一条 线。线性回归是比较基础的一种学习方式。有比较广泛的应用范围。
基于内容的推荐系统
场景
假设我们运营一个类似豆瓣的电影评分网站，用户可以在我们的网站对电影进行评分。我们希望推荐系统帮助用户推荐他可能喜欢的电影。用户给每个电影打分 从 1星 到5星。
我们有如下的数据和电影：
| 电影 | 用户1 | 用户2 | 用户3 | 用户4 |
|---|---|---|---|---|
| 电影1 | 5 | 5 | 0 | 0 |
| 电影2 | 5 | ? | ? | 0 |
| 电影3 | ? | 4 | 0 | ? |
| 电影4 | 0 | 0 | 5 | 4 |
| 电影5 | 0 | 0 | 5 | ? |
「真诚赞赏，手留余香」
我的乐与怒
标签
aframe
andrew-ng
arduino
blockchain
cgi
consul
docker
eth
ethereum
evm
feign
flask
golang
hw
java
javascript
jpa
js
k8s
kubernetes
linux
mac
machine-learning
math
mysql
nginx
op
opentcv
ops
poco
pptp
python
rd
spring
springboot
ssl
thymeleaf
type
vagrant
vpn
vue
webrtc
workflow
技术文章
新浪博客
无聊
生活
生活记录
股票
运维