机器学习:因子分解机模型与推荐系统
正版新书 新华官方库房直发 可开电子发票
￥ 71.28 7.2折 ￥ 99 全新
仅1件
作者燕彩蓉，潘乔编著
出版社科学出版社
ISBN9787030601452
出版时间2019-02
版次1
装帧平装
开本16开
纸张胶版纸
页数124页
字数146千字
定价99元
货号SC:9787030601452
上书时间2024-09-16
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
因子分解机模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测准确度和计算效率，在广告点击率预测和推荐系统领域被广泛研究和应用。本书对因子分解机模型及其相关模型的研究进展进行综述，阐述该模型的灵活性和普适性，对模型中有待深入研究的难点、热点及发展趋势进行展望。结合研究成果，进一步对该模型进行扩展，并将此扩展后的模型应用于时尚电商领域的推荐任务。提出大数据环境下时尚电商推荐系统框架、研究内容、关键问题，以及可以采用的相关技术，后通过一个实例验证方案的可行性。本书适合将要或正在从事数据挖掘、机器学习、推荐系统、时尚电商相关研究的科研人员参考。其中关于因子分解机模型的综述，以及对其改进工作，可以帮助科研人员拓宽研究思路；关于时尚电商领域的推荐系统研究及应用，可以促进机器学习方法在推荐系统中的应用。
目录:
前言
第1章绪论1
1.1预测和推荐问题描述1
1.2研究意义3
1.3国内外研究现状及发展动态4
1.3.1数据稀疏性和冷启动问题5
1.3.2用户偏好和物品流行度动态建模6
1.3.3大数据处理和模型的扩展性7
1.3.4多样性和准确性平衡问题8
1.4本书组织结构9
第2章FM模型及其扩展12
2.1逻辑回归模型12
2.2基于因子分解的多项式回归模型13
2.3FM模型14
2.4FM模型与矩阵分解模型的转化15
2.4.1矩阵分解模型15
2.4.2FM模型转化为矩阵分解模型16
2.5FM模型的高阶扩展17
2.6FM模型的场交互扩展18
2.7FM模型的层次交互扩展19
2.8FM模型与其他模型的集成20
2.9本章小结22
笫3章特征工程及其对FM模型的影响23
3.1属性、特征、特征向量和数据集23
3.2特征工程24
3.3特征的来源25
3.4FM模型相关研究中的特征工程27
3.5FM模型的应用领域30
3.6本章小结32
第4章模型训练方法33
4.1预测和推荐模型的目标优化33
4.2模型训练方式34
4.2.1拟牛顿法34
4.2.2SGD系列算法35
4.2.3Gibbs采样算法37
4.3激活函数38
4.4过拟合问题39
4.4.1正则化方式40
4.4.2批规范化41
4.4.
...
相关推荐
-
机器学习：因子分解机模型与推荐系统
全新广州
￥ 62.19
-
机器学习：因子分解机模型与推荐系统
全新广州
￥ 62.19
-
机器学习：因子分解机模型与推荐系统
全新广州
￥ 64.19
-
机器学习：因子分解机模型与推荐系统
八五品邯郸
￥ 59.90
-
机器学习：因子分解机模型与推荐系统
全新广州
￥ 64.19
-
机器学习:因子分解机模型与推荐系统
全新南京
￥ 71.28
-
机器学习：因子分解机模型与推荐系统
全新南昌
￥ 67.53
-
机器学习：因子分解机模型与推荐系统
全新成都
￥ 74.20
-
机器学习：因子分解机模型与推荐系统
全新北京
￥ 70.19
-
机器学习：因子分解机模型与推荐系统
全新天津
￥ 62.89
— 没有更多了 —
以下为对购买帮助不大的评价