【文件属性】：
文件名称：Memory-based-collaborative-filtering:高效的协同过滤算法实现-推荐系统
文件大小：521KB
文件格式：ZIP
更新时间：2024-03-31 12:03:31
系统开源
基于内存的协作过滤
包含基于用户的CF（ ），基于项目的CF（ ）健壮的k近邻推荐系统在Python中使用MovieLens数据集
基于用户的协作过滤器
K = 25运行时间：1s RMSE：0.940611 MAE：0.884748。
基于内存的算法易于实现，并且可以产生合理的预测质量。 基于内存的CF的缺点在于，它无法适应实际情况，也无法解决众所周知的冷启动问题，即当新用户或新项目进入系统时。
【文件预览】：
Memory-based-collaborative-filtering-master
----.travis.yml(182B)
----Datas()
--------ml-10M()
--------ml-100k()
--------ml-1m()
----DataHelper.py(5KB)
----Docs()
--------ml-100k()
----DistanceHelper.py(1KB)
----EvaluationHelper.py(281B)
----bak()
--------Test.py(6KB)
--------Intro to Recommender Systems_Collaborative Filtering.py(7KB)
--------kNNUnitTest.py(2KB)
--------getRating.py(5KB)
--------Test1.py(6KB)
----ThreadWithReturn.py(475B)
----User_basedCF.py(2KB)
----requirements.txt(31B)
----.gitignore(1KB)
----Item_basedCF.py(2KB)
----README.md(1KB)
----test_mbcf.py(121B)
----RunExample.py(4KB)