Это третья часть нашего урока о том, как создать веб-систему обзора и рекомендаций вина с использованием технологий Python, таких как Django, Pandas, SciPy и Scikit-learn. В этой части вы узнаете, как использовать машинное обучение, чтобы рекомендовать пользователям вина на основе их предпочтений.
Автор: Jose A Dianes
С этого урока мы начнем серию учебных пособий о том, как создавать продукты данных с помощью Python. В качестве лейтмотива мы хотим создать веб-сайт с обзорами и рекомендациями вин, используя технологии Python, такие как Django и Pandas. Мы решили создать веб-сайт с обзорами и рекомендациями по винам, но концепции и технологический стек…
Это второй учебник из нашей серии о том, как создавать продукты данных с помощью Python. В этом втором уроке мы добавим управление пользователями. Это важная часть. Как только мы сможем идентифицировать отдельных пользователей, мы будем готовы генерировать рекомендации пользователей с помощью машинного обучения.
В этой статье мы рассмотрим основные этапы процесса анализа данных Python и R.
В этом руководстве представлены два различных способа получения данных в базовую структуру данных Spark, RDD.
В этом руководстве вы узнаете, как использовать библиотеку машинного обучения Spark MLlib для построения классификатора дерева решений для обнаружения сетевых атак и использовать полные наборы данных для тестирования возможностей Spark с большими наборами данных.
Этот учебник познакомит вас с возможностями Spark. Используя язык SQL и фреймы данных, вы можете легко выполнять исследовательский анализ данных.
В этом уроке вы узнаете, как создать классификацию настроений с помощью линейных методов с помощью Python и R
Автор оригинала: Jose A Dianes. В этом учебнике по Apache Spark вы шаг за шагом узнаете, как использовать набор данных MovieLens для создания рекомендателя фильмов с использованием совместной фильтрации с реализацией Spark, чередующейся с Saqures . Он состоит из двух частей. Первый из них касается получения и анализа данных о фильмах и рейтингах в Spark […]
Важным шагом в анализе данных является изучение и представление данных. В этом уроке мы увидим, как, комбинируя метод, называемый Анализ главных компонентов (PCA), вместе с кластером, мы можем представлять в двумерном пространстве данные, определенные в более высоком измерении, и в то же время иметь возможность группировать эти данные в аналогичные группы или кластеры и находить скрытые связи в наших данных.