000    nam0
001 __ 0130141103
005 __ 20210630141103.0
010 __ ■a978-7-121-37040-3■dCNY89.00
100 __ ■a20190905d2019    em y0chiy50      ea
101 0_ ■achi
102 __ ■aCN■b110000
105 __ ■aak  z   000yy
106 __ ■ar
200 1_ ■a推荐系统算法实践■Atui jian xi tong suan fa shi jian■dRecommendation algorithm■f黄美灵著■zeng
210 __ ■a北京■c电子工业出版社■d2019
215 __ ■aXIII, 342页■c图■d24cm
330 __ ■a本书主要讲解推荐系统中的召回算法和排序算法，以及各个算法在Sklearn、Spark、TensorFlow主流工具中的实现和应用。书中本着循序渐进的原则进行讲解。首先，介绍推荐算法中的数学基础、推荐算法的平台和工具基础以及具体的推荐系统。其次，对推荐系统中的召回算法进行讲解，主要包括基于行为相似的协同过滤召回和基于内容相似的Word2vec召回，并且介绍其在Spark、TensorFlow主流工具中的实现与应用。再次，讲解推荐系统中的排序算法，包括线性模型、树模型和深度学习模型，分别介绍逻辑回归、FM、决策树、随机森林、GBDT、GBDT+LR、集成学习模型、深度森林、DNN、Google Wide ＆ Deep、DeepFM、YouTube推荐等模型的原理以及其在Sklearn、Spark、TensorFlow主流工具中的实现与应用。最后，介绍推荐算法的4个实践案例，帮助读者进行工程实践和应用，并且介绍如何在Notebook上进行代码开发和算法调试，以帮助读者提升工作效率。
510 1_ ■aRecommendation algorithm■zeng
606 0_ ■a计算机算法
690 __ ■aTP301.6■v5
701 _0 ■a黄美灵■Ahuang mei ling■4著
801 _0 ■aCN■b广至德■c20210620
905 __ ■bA016696-6700■dTP301.6■f5■e1
906 __ ■a89.00■bA016696
906 __ ■a89.00■bA016697
906 __ ■a89.00■bA016698
906 __ ■a89.00■bA016699
906 __ ■a89.00■bA016700