机器学习在推荐系统中的应用
| 中文摘要 | 第7-8页 |
| 英文摘要 | 第8页 |
| 第一章 序言 | 第9-11页 |
| 第二章 模型和算法的解析 | 第11-40页 |
| §2.1 稀疏矩阵表示 | 第12-14页 |
| §2.2 逻辑回归模型 | 第14-21页 |
| §2.2.1 模型的基本介绍 | 第14-15页 |
| §2.2.2 模型的解释 | 第15页 |
| §2.2.3 模型的使用条件 | 第15-16页 |
| §2.2.4 模型的估计 | 第16-17页 |
| §2.2.5 模型的拟合程度的评价 | 第17-19页 |
| §2.2.6 模型系数的检验 | 第19-21页 |
| §2.3 人工神经网络模型 | 第21-30页 |
| §2.3.1 模型的基本介绍 | 第21页 |
| §2.3.2 模型的基本特征 | 第21-23页 |
| §2.3.3 模型的表示 | 第23-25页 |
| §2.3.4 目标损失函数 | 第25-26页 |
| §2.3.5 模型的训练 | 第26-28页 |
| §2.3.6 模型的算法 | 第28-29页 |
| §2.3.7 模型的优点 | 第29页 |
| §2.3.8 模型的性质 | 第29-30页 |
| §2.4 简单决策树 | 第30-34页 |
| §2.4.1 模型的基本介绍 | 第30-31页 |
| §2.4.2 模型的种类 | 第31-32页 |
| §2.4.3 模型的标准 | 第32-33页 |
| §2.4.4 模型的优缺点 | 第33-34页 |
| §2.5 随机森林 | 第34-38页 |
| §2.5.1 模型的基本介绍 | 第34页 |
| §2.5.2 模型的算法 | 第34-36页 |
| §2.5.3 模型的性质 | 第36-38页 |
| §2.6 模型的评价 | 第38-40页 |
| §2.6.1 损失函数 | 第38页 |
| §2.6.2 错误率 | 第38-39页 |
| §2.6.3 ROC准则 | 第39-40页 |
| 第三章 程序化实现 | 第40-51页 |
| §3.1 变量的提取和挖掘 | 第40-42页 |
| §3.2 数据预处理 | 第42-45页 |
| §3.2.1 筛选用户 | 第42-43页 |
| §3.2.2 分割数据 | 第43页 |
| §3.2.3 标准化数据 | 第43-45页 |
| §3.3 训练模型 | 第45-49页 |
| §3.3.1 逻辑回归模型 | 第45-46页 |
| §3.3.2 神经网络模型 | 第46-48页 |
| §3.3.3 简单决策树 | 第48页 |
| §3.3.4 随机森林 | 第48-49页 |
| §3.4 模型评估 | 第49-51页 |
| 第四章 结论 | 第51页 |
| 第五章 后期工作与展望 | 第51-52页 |
| 附录 | 第52-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
