课程目录
1 F.1推荐算法概述 (09:05) 2 F.2推荐算法概述 (03:14) 3 F.3推荐算法数据集预览 (04:29) 4 F.4.内容推荐算法概述 (03:29) 5 F.5推荐算法基础矩阵类概述 (12:09) 6 F.6推荐算法基础读取矩阵数据保存到矩阵 (12:50) 7 F.7推荐算法基础读取矩阵特征数据保存到矩阵 (08:11) 8 F.8推荐算法基础矩阵计算接口设计 (06:31) 9 F.9推荐算法基础矩阵的数据处理实现 (10:18) 10 F.10相似度矩阵计算实现 (06:53) 11 F.11推荐算法基础矩阵差异与方差 (04:29) 12 F.12实现基于内容推荐算法的框架 (06:49) 13 F.13实现内容推荐算法的平均数算法 (16:07) 14 F.14测试内存推荐算法的平均推荐法 (06:13) 15 F.15内容推荐算法的线性回归介绍 (05:31) 16 F.16实现内容推荐算法的线性回归算法 (13:37) 17 F.17测试内容推荐算法的正则线性回归 (34:44) 18 F.18协同过滤基本理论 (03:19) 19 F.19基于用户的协同过滤框架 (06:23) 20 F.20实现基于用户协同过滤算法 (11:08) 21 F.21实现基于用户的协同过滤算法 (16:29) 22 F.22实现基于物品的协同过滤算法框架 (06:22) 23 F.23实现基于物品的协同过滤算法核心 (06:02) 24 F.24测试基于物品的协同过滤算法 (06:30) 25 F.25推荐算法的基准预测 (04:51) 26 F.26推荐算法的基准预测与测试 (06:30) 27 F.27内容混合协同过滤算法框架实现 (04:30) 28 F.28内容混合协同过滤算法实现 (08:50) 29 F.29测试内容混合协同过滤算法 (05:52) 30 F.30slopeone算法理论 (01:55) 31 F.31slopeone算法框架实现 (08:12) 32 F.32slopeone算法核心实现 (06:23) 33 F.33测试slopeone推荐算法 (19:06) 34 F.34SVD推荐算法的基础 (02:52) 35 F.35SVD推荐算法的数学原理 (04:34) 36 F.36SVD算法框架实现 (03:58) 37 F.37SVD推荐算法核心实现 (13:06) 38 F.38SVD推荐算法测试 (05:42) 39 F.39通用推荐模型算法框架搭建 (02:23) 40 F.40通用模型SVD算法测试 (12:40) 41 F.41通用模型推荐算法SGD理论 (02:08) 42 F.42通用模型推荐算法SGD核心实现 (07:43) 43 F.43通用模型推荐算法SGD测试 (01:59) 44 F.44通用模型推荐算法NMF (02:07) 45 F.45通用模型推荐算法NMF核心实现 (05:08) 46 F.46通用模型推荐算法NMF测试 (01:39) 47 F.47通用模型推荐算法交替zuixiao下降法理论 (01:57) 48 F.48通用模型推荐算法交替最xiao下降法实现 (06:00) 49 F.49通用模型推荐算法交替最xiao下降法测试 (01:09:32)
