April 2025
Intermediate to advanced
406 pages
9h 41m
Italian
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
O natura, natura, perché sei così disonesta da mandare al mondo uomini con queste false raccomandazioni?
Henry Fielding
Un altro problema comune dei dati è la produzione di raccomandazioni di qualche tipo. Netflix ti consiglia i film che vorresti guardare, Amazon ti consiglia i prodotti che vorresti acquistare, Twitter ti consiglia gli utenti che vorresti seguire. In questo capitolo vedremo diversi modi per utilizzare i dati per creare raccomandazioni.
In particolare, in esamineremo il set di dati di users_interests che abbiamo utilizzato in precedenza:
users_interests=[["Hadoop","Big Data","HBase","Java","Spark","Storm","Cassandra"],["NoSQL","MongoDB","Cassandra","HBase","Postgres"],["Python","scikit-learn","scipy","numpy","statsmodels","pandas"],["R","Python","statistics","regression","probability"],["machine learning","regression","decision trees","libsvm"],["Python","R","Java","C++","Haskell","programming languages"],["statistics","probability","mathematics","theory"],["machine learning","scikit-learn","Mahout","neural networks"],["neural networks","deep learning","Big Data","artificial intelligence"],["Hadoop","Java","MapReduce","Big Data"],["statistics","R","statsmodels"],["C++","deep learning","artificial intelligence","probability"
Read now
Unlock full access