所见即为所得，自助购买www.bbfx.cc，源码下载www.txym.site

信息加载中,请等待...

当前目录：首页 /- /IT技术05 /11 /01.Java架构-马士兵 - 互联网高级架构师 MCA /28--电子商城项目专题 /11--机器学习与数据挖掘 NO.35

课件资料
章节1 机器学习介绍、原理及应用场景
章节10 逻辑回归算法原理及公式推导
章节11 逻辑回归算法及实现百度路况预测功能
章节12 百度地图实时路况及路况预测
章节13 决策树算法的原理
章节14 随机森林算法与算法总结
章节15 推荐系统的来龙去脉与推荐架构
章节16 推荐系统架构设计及构建推荐系统训练集
章节17 推荐系统代码实现及测试
章节18 实现推荐系统在线推荐微服务
章节19 基于节目的推荐系统，架构剖析，数据迁移
章节2 线性回归算法的原理及参数优化方案
章节20 提取节目的关键词，构建节目画像
章节21 基于TextRank算法+TF-IDF算法提取关键词
章节22 构建节目画像与用户画像
章节23 构建用户画像及性能调优
章节24 基于节目画像计算节目的相似度
章节25 Spark调优总结及word2vec算法原理
章节26 基于物品画像计算相似度
章节27 实现基于模型的召回策略
章节28 构建特征中心及模型召回实现
章节29 训练排序模型及搭建推荐系统微服务
章节3 基于Spark MLlib训练回归算法模型
章节30 推荐系统项目-大总结
章节4 逻辑回归算法的原理及算法公式推导
章节5 KNN识别手写数字与KMeans聚类算法原理
章节6 KNN手写数字识别及KMeans算法原理
章节7 手写KMeans聚类算法及实现精准微博营销案例
章节8 分析KMeans精准营销案例代码及KMeans在推荐系统的应用
章节9 逻辑回归算法原理及公式推导