搜索资源列表
duine-movielens-4.0.0-RC1
- The Duine Framework is a (collection of) software libraries that allows developers to create prediction engines for their own applications. A prediction engine is a component that predicts how interested individual users are in pieces of information.
k-means
- 实现了K均值算法，可以对movielens上的数据进行自动分类，给出推荐值，是数据挖掘中的信息推介必要的算法工具。可以直接对movelens的数据进行聚类-Implementation of the K-means algorithm, can movielens on automatic classification of data, recommend give the value of data mining are to promote the necessary information
MovieLens1M
- 推荐系统数据集MovieLens 1M数据集-Movilens dataset 1M
Concha_CF
- 【转】协同过滤代码，用于推荐系统，包括基于项目和基于用户两种情况。实现基于用户和基于项目的协同过滤算法。 实验所用数据为MovieLens – a web-based movies recommender system with 43,000 users & over 3500 movies. 保存在ga.mat文件用，由于ga.test测试集过于庞大，全部用来计算的话耗时庞大，所以每次计算时随机选择部分，具体函数的使用请参照probar.m。我所得到的实验结果保存在results1-resul
ml-100k
- movielens 的数据集 100k 协同过滤算法实验必备-movielens datasets
KNN-TOPN
- 以movielens为数据集写的TOP—N推荐系统，基于KNN算法-Write to movielens dataset TOP- N recommendation system, based on KNN algorithm
Movielens-User_based-cf
- 利用python实现基于用户的协同过滤推荐，采用pearson相关系数计算相似度，加权平均预测分数-Users use python-based collaborative filtering recommendation, pearson correlation coefficient is calculated using the similarity, the weighted average prediction scores
Movielens
- 压缩文件中包含一下列表： 1，movielens 公开实验数据集(推荐系统研究经常用到~) 2，模拟预测评分的python代码（python3.x） 希望对大家学习有所帮助。有问题可以邮箱联系。-movielens data mining knn
test.tar
- 用于推荐系统的svd算法，以movielens 1m数据集为例，并有调参数方法-an implemention of svd algorithm for recommender
rec
- Java实现将movielens各种规模数据的划分为测试集和训练集-Split movielens dataset to trainset and test set
recommender-
- Collaborative Filtering，基于Collaborative Filtering，建立主动为用户推荐商品的推荐系统。实现参考协同过滤算法或它的优化，实现并改进算法，计算出每个客户对未购买的商品的兴趣度，并向客户主动推荐他最感兴趣的N个商品。实验数据可以从MovieLens.com下载。要求使用至少10，000不同用户的数据，至少1000个不同的movie。-Collaborative Filtering，Based Collaborative Filtering, the in
TimeInterval
- 推荐系统的攻击检测，利用偏态分布的思想进行判断，数据集为movielens-Detect Shilling attack of Collaborative Filtering
fenlei
- 针对广泛用于推荐算法研究的movielens数据集，本程序用于统计用户评分时间，寻找用户评分规律。-Recommendation algorithm is widely used for research movielens data set, the program for statistical Rating time, looking user rating rule.
netflix.m
- collaborative filtering code MathLabs for the recommended system, including item-based and user-based two cases. User-based and item-based collaborative filtering algorithm. Experimental data for MovieLens- a web-based movies recommender system with
Recommender
- 基于MovieLens数据，通过计算余弦相似度，Python语言构建的一个简单协同过滤推荐系统，并给出RMSE等测评结果-Based MovieLens data by calculating the cosine similarity, Python language to build a simple collaborative filtering systems, and the like are given RMSE uation results
CF
- Python实现协同过滤算法，即Collaborative Filtering(CF)，数据集为MovieLens电影推荐和书籍推荐数据集-Python implementation of collaborative filtering algorithm, namely Collaborative Filtering (CF), the data set is recommended MovieLens movie and book recommendations datasets
DpRecommendations
- 一个带有隐私保护的推荐系统，采用movielens数据集，Topn推荐算法(A recommendation system with privacy protection)
SVD++
- 简单的SVD基于movielens的开发python程序(this is a simple SVD write by python base on movielens dataset)
MovieLens-RecSys-python2
- 基于Movielens 1M数据集分别实现了User Based Collaborative Filtering（以下简称UserCF）和Item Based Collaborative Filtering（以下简称ItemCF）两个算法.(Implementation of collaborative filtering based on UCF/ICF)
MovieLens-RecSys-master
- “推荐系统实践”，项亮，代码。数据“下载Movielens 1M数据集[ml-1m.zip](http://files.grouplens.org/datasets/movielens/ml-1m.zip)，并解压到项目MovieLens-RecSys文件夹下”("Recommending system practice", light, code. The data "downloads the Movielens 1M data set [ml-1m.zip]