Cai-Nicolas Zeigler a adunat peste un milion de evaluări ale cărților de pe site-ul Book Crossing. Aceste evaluări sunt de la 278.858 de utilizatori evaluând 271.379 de cărți. Aceste date anonimizate sunt disponibile la http://www.informatik.uni-freiburg.de/~cziegler/BX/ atât ca dump SQL, cât … Citeşte mai mult
Cercetare Cel mai important organism profesional în domeniu este Grupul de interes special (SIG) al Asociației pentru Mașini de Calcul (ACM) pentru descoperirea cunoștințelor și extragerea datelor (SIGKDD). Din 1989, acest ACM SIG a găzduit o conferință internațională anuală și și-a … Citeşte mai mult
Am combinat aici o parte din ceea ce am acoperit în articolele anterioare într-o clasă Python. import codecs from math import sqrt users = {„Angelica”: {„Blues Traveler”: 3.5, „Broken Bells”: 2.0, „Norah Jones”: 4.5, „Phoenix”: 5.0, „Slightly Stoopid”: 1.5, „The … Citeşte mai mult
Să presupunem că încercăm să facem recomandări pentru Amy căreia îi place Phoenix, Passion Pit și Vampire Weekend. Cel mai apropiat potrivire al nostru este Bob, căruia îi place, de asemenea, Phoenix, Passion Pit și Vampire Weekend. Tatăl lui se întâmplă … Citeşte mai mult
Iată câteva indicii utile: Dacă datele sunt rare, luați în considerare utilizarea similarității cosinusului. Dacă datele sunt supuse unei inflații de grad (utilizatorii diferiți pot folosi scale diferite) utilizați Pearson. Dacă datele sunt dense (aproape toate atributele au valori diferite … Citeşte mai mult
Similaritatea cosinusoidală este o formulă foarte populară în mineritul de text, dar este utilizată și în filtrarea colaborativă. Pentru a vedea când putem folosi această formulă, să presupunem că îmi schimb ușor exemplul. Vom urmări de câte ori o persoană … Citeşte mai mult
Procesul de înțelegere a modelelor găsite în seturile mari de date este cunoscut sub numele de minerit de date. Unele dintre aspectele mineritului de date care au fost elucidate în secțiunea următoare sunt învățarea regulilor de asociere, analiza clusterelor, analiza … Citeşte mai mult
Mineritul datelor (Big Data): Coeficientul de corelație Pearson Să aruncăm o privire mai detaliată asupra evaluărilor utilizatorilor. Vedem că utilizatorii au comportamente foarte diferite atunci când vine vorba de evaluarea trupelor: Angelica Bill Chan Dan Hailey Jordyn Sam Veronica Blues … Citeşte mai mult
Matematica Atunci când vedeți astfel de formule într-o carte, aveți mai multe opțiuni. O opțiune este să treceți rapid peste ele. Cealaltă opțiune este să studiați cu atenție formula, și să o disecați. De multe ori veți găsi formula destul … Citeşte mai mult
Un avantaj al distanței Manhattan este că este rapid de calculat. Dacă suntem Facebook și încercăm să găsim cine dintre un milion de utilizatori este cel mai asemănător cu micuțul Danny din Kalamazoo, rapid este bine. Teorema lui Pitagora S-ar … Citeşte mai mult
Îmi place ceea ce îți place Vom începe explorarea exploatării datelor prin analizarea sistemelor de recomandare. Sistemele de recomandare sunt peste tot – de la Amazon: la last.fm recomandând muzică sau concerte: În exemplul Amazon de mai sus, Amazon combină … Citeşte mai mult
Ce este Data Mining? Termen inventat pentru confluența ideilor din statistici și informatică (învățare automată (Machine Learning) și metode de baze de date) aplicate bazelor de date mari (Big Data) din știință, inginerie și afaceri. Există multe definiții și multe … Citeşte mai mult
