一、目录组织图（单击可放大）二、补充笔记1、基于约束的推荐系统是在信息不完全的情况下，导致基于内容和协同过滤的方法可能失效情况下的一种推荐系统设计方法。它建立在用户的需求和愿望能够明确表述的情况下。我认为这个实际上可以看成一个多类型关键字搜索的过程（比如在X东购买笔记本电脑时，通过勾选内存大小，显卡类型，屏幕大小，价格区间等就能够获得符合要求的笔记本电脑），这个系统是一个用户主动行为，不包含预测的

一、目录组织图（点击图放大）二、补充笔记1.基于内容的推荐系统通过分析一系列用户之前已评分物品的文档和（或）描述，从而基于用户已评分对象的特征建立模型或个人信息；简言之，利用物品的内容数据来预测它和用户个人信息的相关性。2.在抽取物品特征的时候，采用的自身或者外部知识源（词典/本体/百科），根据知识源的不同来区分物品的表示方法。3.学习用户特征的算法能够学习一个能对每个用户兴趣建模的函数。这些方法

一、思维导图（点击图方法）二、补充笔记（1）常见的特征工程主要指对各种类型的特征进行处理，包括数值型特征、类别型特征、时间型特征和其他类型特征和组合特征。对于数值型特征，可以进行幅度调整（包括min-max缩放、标准化、归一化）、统计值分析（最大值、最小值、平均值等）、离散化、高次特征、通过特征的四则运算获取新特征、或将数值型特征转换为类别型。对于类别型特征，可以进行one-hot...

一、选题（建议半天内确定）美国数学建模大赛分为MCM和ICM，从2017年的题目来看，ICM的要求更加明确，题目描述更加详细。那么ICM在评奖的时候，就会有所谓的标准答案。并且ICM提供了大量的参考链接和数据。在国内的话，有无法访问的可能。ICM除非确实有这个方面专业的同学。否则慎选。MCM方面，有些题目容易理解，但是没有数据。有些题目因与美国的文化差异和地域差异，导致理解...

一、思维导图二、SVM补充笔记1、SVM基本模型的对偶问题是强对偶，那么对偶问题的最优解也为原问题的最优解。

一、循环神经网络

一、预备知识笔记13 链接：点击打开链接二、基本理论（1）基本模型图示的为一个单隐层且隐层中神经元的数量为4，输出层为单层，神经元为1的神经网络。本例子中，神经元的均使用了sigmoid函数作为激活函数。从输入层到输出层依次进行编号，那么图示的输入层编号为0，隐层为1，输出层为2。并对符号做以下规定：W[1]为隐层的权值，b[1]为隐层的偏置向量，a[1]为隐层的输出，W[2]为输出层的权值，b[

深度神经网络指的是多隐层的神经网络。本文采用一个两输入，3个隐藏层，1个输出层来进行说明深度神经网络的前向和后向传播，以及具体的公式推导和代码撰写。一、符号定义参看笔记13和笔记14二、基本模型三、模型计算（1）      前向传播：在样本数为1的情况$$\begin{array}{l}{a^{[0]}} = {\left( {{x_1},{x_2}} \right)^T}\\{z^{[1]}}

点击图放大

一、多层感知机手写数字识别网络结构(mnist)本源码的神经网络为单隐层神经网络，输出层的神经元数量为784，隐层为全连接层，隐元个数为1000.在隐层后接入一个dropput层，用来防止过拟合。输出层为神经元为10的softmax层。keras代码中手动转换了数据的存储形式，并且进行了归一化。而tensorflow中的数据已经进行了预处理，在tensorflow中数据直接使用。在keras的代码