章节
问答
课签
笔记
评论
占位
占位
今日不再显示

下一节课程: -电影推荐系统-模型训练与评估 (06:44) 下一节 重新观看

3 秒后播放下一节

为你推荐

陈家栋
全栈工程师

目前着手于研究人工智能,精通Python编程和机器学习算法,主导过kaiterra全球天气污染智能预测系统的开发与部署,目前在做智能推荐系统的开发应用并且为相关公司提供解决方案。

提问题

写笔记

代码语言
公开笔记
提交
加群二维码

打开微信扫码自动绑定

您还未绑定服务号

绑定后可得到

  • · 粉丝专属优惠福利
  • · 大咖直播交流干货
  • · 课程更新,问题答复提醒
  • · 账号支付安全提醒

收藏课程后,能更快找到我哦~

使用 Ctrl+D 可将课程添加到书签

邀请您关注公众号
关注后,及时获悉本课程动态

举报

0/150
提交
取消
全部 精华 我要发布

+ 我来回答 回答最高可+2积分

最新回答 / 不会写代码的小郭i
2.0以上版本把代码改为:optimizer = tf.compat.v1.train.AdamOptimizer(1e-4)train = optimizer.minimize(loss)

最赞回答 / qq_慕丝1076907
版本问题在2.x 版本中应为 tf.random.normal

最新回答 / 东小刀
原始条件只需要用户评分表这一张表就好了。用户喜好矩阵和电影内容矩阵都是要求解的对象。

最赞回答 / 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 / 米开朗琪罗哎
兄弟们,报错的是
 rating_mean[i] = np.mean(rating[i, idx])
这一行代码的np.mean(rating[i, idx]) 部分,索引报错。不是下一行的公式问题
全部 我要发布
最热 最新
只看我的

本次提问将花费2个积分

你的积分不足,无法发表

为什么扣积分?

本次提问将花费2个积分

继续发表请点击 "确定"

为什么扣积分?

账号登录 验证码登录

遇到问题
忘记密码

代码语言