关键词：
因为受到通知，报名考试缴费后，前一阵有重拾起pmp，重做了两套题，谁知道疫情11.28的考试有推迟了。好好的考试 拖了2年了，还是看点别的吧。以下内容来自极客时间。
二 你需要推荐系统吗？
2.1 推荐系统能做什么？
可以吧用户（user）与物品(item)的产生的连接提前找出来 。
2.2 推荐系统需要做什么？
需要 从 已知的连接去 预测未来的连接。
2.3 怎么做？
机器推荐-个性化推荐；人工推荐-编辑推荐。
是否需要推荐系统？
工具类及链接数较少不需要。（长尾效应让推荐发挥作用）
还有其他非技术考虑因素：产品规划 ，技术人员储备等。
三 经典问题
推荐系统的使命是为⽤户和物品建⽴连接，建⽴的⽅式是提前找出那些隐藏的连接呈现给⽤户，这是⼀个预测问题；所以推荐系统的预测问题模式，从达成的连接⽬标⻆度区分，有两⼤类：
评分预测、行为预测。
评分是显性的，评分一个指标 ：均⽅根误差（模型预测的分跟 用户实际分数）
行为 预测是隐性的 ，根据用户的行为历史数据 ，预测直接预测⾏为本身发⽣的概率，和预测物品的相对排序。指标：点击率ctr.
经典问题：冷启动 问题，探索问题，安全问题。
四 思维模式
4.1. 关键元素重要性的认识
UI UE》 数据》领域知识》算法
UI、UE、数据是⼀个产品的基⽯，要认识到重要性。在资源有限，精⼒很少的前提下抓⼤放⼩。
4.2 目标思维和不确定思维
传统的软件产品追求的是稳定和满⾜预期，背后思想强调的是逻辑和因果链条，软件体验上设定好⾏为和响应，软件设计上强调分层以应对⽆⽐复杂的操作逻辑。
反观推荐系统这种信息过滤系统，追求的是指标的增⻓，背后思想强调是⽬标和不确定性：
我们并不能很确定地模拟每个⼈将会看到什么，目标先行是常识。
我们把⼀个推荐系统也看做⼀个函数，输入是：UI、UE、数据、领域知识、算法等等，输出则是我们关注的指标：留存率 ，GMV等。我们做任何事情：加新的策略、替换现有的推荐算法、修改UI、甚⾄⼀些⽂案的调整，都是在改变这个函数的参数，是否有效就要看看函数的输出值，输出值在增⻓，说明修改就有效，就继续沿着那个⽅向修改，⼀旦⽆效或者起反作⽤就⽴即需要回滚。
⽬标思维背后是“量化⼀切”的价值取向。最先要量化的就是⽬标本身，整个团队才能知道在为什么⽽战，才能知道⾃⼰所做的动作是不是有意义，才能让团队⾃发地去寻找优化⽅向，接下来要量化的是所有的优化改进动作，要量化就要收集数据，数据收集对了才能得到正确的量化结果。
除了目标思维 ，还有需要不确定思维 。不确定性思维就是：不⽤因果逻辑严丝合缝地提前推演，⽽是⽤概率的眼光去看结果。原因如下 ：
1.绝⼤多数推荐算法都是概率算法，因此本身就⽆法保证得到确切结果，只是概率上得到好的效果；
2.推荐系统追求的是⽬标的增⻓，⽽不是⼀城⼀池的得失；
3.如果去花时间为了⼀个Case⽽增加补丁，那么付出的成本和得到的收益将⼤打折扣；
第 五章 用户画像
没看本篇之前，我对这里有个 知识误区，以为之前看到的 带标签的常见的炫酷的，是用户画像。实际上大佬说的用户画像是对⽤户信息的向量化表示，给 机器看的而不是给人看的 。
⽤户画像的关键元素有哪些？
维度、量化。⽤户画像是跟着使⽤效果⾛的，⽤户画像本身并不是⽬的，就是个副产品，回归到推荐系统本身，是建立用户与物品的 链接，推荐系统在对匹配评分前，则⾸先就要将⽤户和物品都向量化，这样才能进⾏计算。⽤户向量化后的结果，就是UserProfile，俗称“⽤户画像”。所以，⽤户画像不是推荐系统的⽬的，⽽是在构建推荐系统的过程中产⽣的⼀个关键环节的副产品。
通常构建⽤户画像的⼿段有哪⼏类？
有三类，第⼀类只会查户⼝做记录，（包含数据 清洗，适合用户冷启动）
第⼆类就是从历史⾏为数据中去挖掘出标签，然后在标签维度上做数据统计
第三类就是⿊盒⼦看不懂（机器学习方法 ，可解释性差，但是 作用巨大）。
机器学习----推荐系统之协同过滤算法
...，并且为整数，问号处表示没有评分。（二）基于内容的推荐系统给每部电影添加两个features,针对这个问题中分别为romatic和action，范围为1-5，并且给出一部电影这两个参数就已知。这里设，每部电影由xi表示，xi为一个3*1的向量... 查看详情
基于sparkmlllib的推荐系统学习笔记
...？目前，有两个可行的场景：智能路径与在线推荐。智能路径输入转化目标，按照转化率的高低输出一组用户的转化路径。这个功能针对大型、多业务流程的系统。在线推荐根据用户自身的属性以及点击等行为数... 查看详情
lenskit<开源推荐系统框架java;学习笔记(代码片段)
这段时间需要为网站添加推荐功能，一开始学习了一下推荐系统的一些经典算法，基于物品得，基于用户的等等，学习不是很深刻。利用学习LensKit的机会，把之前学习片段拾起来，记录一下。1、下载开发... 查看详情
斯坦福大学andrewng-机器学习笔记--推荐系统&大规模机器学习&图片文字识别
大概用了一个月，AndrewNg老师的机器学习视频断断续续看完了，以下是个人学习笔记，入门级别，权当总结。笔记难免有遗漏和误解，欢迎讨论。 鸣谢：中国海洋大学黄海广博士提供课程视频和个人笔记，在此深表感谢... 查看详情
如何在推荐系统中玩转知识图谱
...~CSDN无法上传图片，更好阅读体验请到公众号查看~在推荐系统领域近几年的工作中，知识图谱被越 查看详情
如何在推荐系统中玩转知识图谱
...~CSDN无法上传图片，更好阅读体验请到公众号查看~在推荐系统领域近几年的工作中，知识图谱被越 查看详情
docker学习笔记（1-5）安装docker启动和停止docker
Docker学习笔记（1-5）安装docker、启动和停止docker Docker只支持64位，ubuntu、centos、redhat、macos、windows Linux内核版本>3.10,检查版本：#uname-ix86_64#uname-r 3.13.0.40-generic ubuntu系统上用apt-get安装软件 #更新仓库 查看详情
推荐算法学习笔记
推荐算法举个简单的例子，比如有个用户进来看了一堆内容，我们把他看的所有的历史行为，嵌入到推荐引擎当中去。这个推荐引擎就会生成个性化的频道，下次这个用户再登录，或者都不用下一次，过几分钟之后，他看到的内... 查看详情
郑捷《机器学习算法原理与编程实践》学习笔记（第四章推荐系统原理）kmeans
（上接第二章） 4.3.1KMeans算法流程 算法的过程如下： （1）从N个数据文档随机选取K个文档作为质心 （2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类 （3）重新计算已经得到的各... 查看详情
spark学习笔记——构建基于spark的推荐引擎
1.使用的是Spark-shell和Scala语言，同样需要把文件放在Hadoop文件系统中启动Spark-shellvalrawData=sc.textFile("/user/common/ml-100k/u.data")rawData.first()#输出res1:String=196 242 3 881250949 查看详情
推荐系统笔记:基于模型的协同过滤
...的预处理阶段之外，没有专门为预测预先创建模型。推荐系统笔记：Introduction_UQI-LIUWJ的博客-CSDN博客1.1基于模型的协同过滤VS分类回归问题 在基于模型的方法中，与有监督或无监督的机器学习方法一样... 查看详情
javascript面向对象编程指南——学习笔记1
第1章引言1.1回顾历史1.2变革之风1.3分析现状1.4展望未来1.5面向对象的程序设计 1.5.1对象（属性和方法的集合） 1.5.2类（相似对象的共同特征，如麻雀、老鹰都是鸟类） 1.5.3封装（将属性和方法集合起来，也有封... 查看详情
spring5学习笔记(代码片段)
文章目录Spring5学习笔记1.简介1.1介绍1.2发展历程1.3理念1.4优点1.4组成1.4.1SpringCore1.4.2SpringContext1.4.3SpringAOP1.4.4SpringDAO1.4.5SpringORM1.4.6SpringWeb1.4.7SpringWebMVC1.5扩展2.控制反转2.1原型2.1.1`UserDao`2.1.2`UserDaoMysqlImpl`2.1.3`UserDaoOr... 查看详情
dubbo--系统学习笔记--快速启动
...果不想使用Spring配置，而希望通过API的方式进行调用（不推荐），请参见：API配置 (+)服务提供者 完整安装步骤，请参见：示例提供者安装 (+) 查看详情
❤️答应粉丝的maven仓库学习笔记,今天它来了!一起来学习快速入门maven❤️(代码片段)
...Maven1.2仓库1.3maven环境搭建1.3.1下载1.3.2安装1.3.3配置：系统环境变量1.4Maven使用1.4.1私有仓库配置1.4.2配置镜像（第三方仓库，私服）1.5IDEA配置1.5.1IDEA配置maven1.5.2新项目配置1.5.3配置失败，重新配置1.6ID 查看详情
❤️答应粉丝的maven仓库学习笔记,今天它来了!一起来学习快速入门maven❤️(代码片段)
...Maven1.2仓库1.3maven环境搭建1.3.1下载1.3.2安装1.3.3配置：系统环境变量1.4Maven使用1.4.1私有仓库配置1.4.2配置镜像（第三方仓库，私服）1.5IDEA配置1.5.1IDEA配置maven1.5.2新项目配置1.5.3配置失败，重新配置1.6ID 查看详情
如何在推荐系统中玩转知识图谱
...~CSDN无法上传图片，更好阅读体验请到公众号查看~在推荐系统领域近几年的工作中，知识图谱被越来越多的应用进来。在推荐系统中引入知识图谱被验证会给user-item的预测效果带来比较明显的提升，一个主要原因在于... 查看详情
javascript高级程序设计（第三版）学习笔记1~5章
第2章，在html中使用JavaScriptHtml引入外部js脚本<scripttype="text/javascript"src="test.js">两个</script>之间不应放脚本，因为并不会被执行</script><script>标签有一个defer属性可以延迟脚本执行，但是并不保证会按脚本排列顺... 查看详情