recommendation

推荐算法的实现，python、jupyter双版本，详尽注释。 正在努力更新中...

对MovieLens电影评分小型数据集做Top N推荐：

0. baseline--推荐最热门的N=20部电影，precision=11%, recall=4%, coverage=0.2%, popularity=169。这部分内容包含在UserCF.py
1. UserCF，precision=25%, recall=10%, coverage=10%, popularity=4.4
2. ItemCF，precision=26%, recall=10%, coverage=15%, popularity=4.3

对MovieLens电影评分小型数据集做评分预测：

0. baseline--使用所有评分的均值做预测，MAE:0.83。这部分内容包含在LinearRegression_Rating.ipynb
1. BiasSVD，MAE:0.68
2. LinearRegression，MAE:0.61

对criteo广告展示小型数据集做点击率预测

1. gbdt+lr，binary_logloss:0.4783

对Census数据中的收入做二分类

0. Google TensorFlow Guide上的Wide&Deep基准模型准确率: 0.83。（从有的知乎博主分享的链接来看，已经打不开了）
1. Wide&Deep, accuracy: 0.8587