亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定

推薦算法理論與實踐

陳家棟 全棧工程師
難度中級
時長 1小時55分
學習人數
綜合評分9.57
23人評價 查看評價
9.4 內容實用
9.7 簡潔易懂
9.6 邏輯清晰

最贊回答 / 慕粉2244388628
movies_mean = np.sum(rating, axis=1) / np.sum(rating!=0, axis=1)rating -= movies_mean.reshape(-1, 1)

最新回答 / 米開朗琪羅哎
兄弟們,報錯的是
?rating_mean[i]?=?np.mean(rating[i,?idx])
這一行代碼的np.mean(rating[i, idx]) 部分,索引報錯。不是下一行的公式問題

最新回答 / 慕標1955955
這個錯誤應該是顯示在cmd中的吧。

最新回答 / qq_舊業_nJPVX0
推薦去看一下項亮的《推薦系統實踐》里面很多內容,可以解決你的問題

已采納回答 / wjqq_qzuser_1258
因為迭代次數的問題,老師跳過了,你是一直在運行

最新回答 / luozeng
公式得慢慢吃透!
首頁上一頁123下一頁尾頁
課程須知
掌握python語法,自學能力強!
老師告訴你能學到什么?
1、基于內容的推薦系統的原理 2、基于矩陣分解的推薦系統的原理 3、基于商品的協同過濾的推薦系統的原理 4、基于用戶的協同過濾的推薦系統的原理 5、構建基于矩陣分解的電影推薦系統

微信掃碼,參與3人拼團

微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號

友情提示:

您好,此課程屬于遷移課程,您已購買該課程,無需重復購買,感謝您對慕課網的支持!

本次提問將花費2個積分

你的積分不足,無法發表

為什么扣積分?

本次提問將花費2個積分

繼續發表請點擊 "確定"

為什么扣積分?

舉報

0/150
提交
取消