lichald / CF

CF源码实践

目的

user_based 和 item_based 的协同过滤算法理解与应用

过程

通过手写源码，并与经典模块进行比较，熟悉原理、效果和运行瓶颈，在现实场景中充分落地应用。

Schedule

2019.01.23 完成《Item-Based Collaborative Filtering Recommendation Algorithms》的代码重写，详见cf_itembased 2019.01.14 完善scikit-learn版本的备注；明确如何进行交叉验证和precison和recall；得到benchmark版本非常低，均不到10%。 2019.01.13 高级版本(scikit-learn 和 dataframe）分别运行，从低到高的改进；。

下一步行动

1. 寻找优化的方法，组合模型

数据源 cf_scikit

• 数据源说明：http://files.grouplens.org/datasets/movielens/ml-latest-small-README.html
• 下载地址：https://grouplens.org/datasets/movielens/ recommended for education and development ml-latest-small.zip

github Markdown

https://guides.github.com/features/mastering-markdown/