推荐算法
Tf-idf算法（文档）：
tf(t,d)：单词在特定文档出现的频率
idf（t,D）：log（出现这个词的文档个数/所有文档个数）
tf_idf（t,d,D）=tf(t,d)*idf（t,D）
PageRank算法（网页）：
#指向我的网页
#所有的网页加一起为1
Collaborative filtering协同过滤：
#打分矩阵~找到与被预估人相似的一群人对这个产品的打分，进行预测被预估人对这个产品的打分（也可以计算列与列之间的相关性）
#用平均分，因为不清楚每个人的打分习惯
Model-based cf:
将推荐问题转化为分类问题（因为大量数据缺失，使用贝叶斯求各个打分的概率大小）
#如果是喜欢不喜欢，其中的空如何表示：喜欢表示为10，不喜欢为01，空为00
评论