CowryGolden / PySparkDemoLinks
《Python+Spark2.0+Hadoop机器学习与大数据实战》练习
☆20Updated 5 years ago
Alternatives and similar repositories for PySparkDemo
Users that are interested in PySparkDemo are comparing it to the libraries listed below
Sorting:
- 推荐系统实践(基于近邻和LFM的推荐系统)☆103Updated 7 years ago
- 一些经典的个性化推荐算法的实现,从理论推导到实战☆68Updated 5 years ago
- 机器学习、深度学习、NLP实战项目☆143Updated 7 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆215Updated 6 years ago
- 此推荐系统类似网易云音乐推荐歌单以及推荐相似歌曲☆94Updated 7 years ago
- 基于用户行为(关键词和查看过的新闻)的个性化新闻推荐系统☆42Updated 7 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆70Updated 10 years ago
- 大数据实战——商品推荐系统(Spark、Scala、MongoDB)☆105Updated 2 years ago
- 基于RFM和决策树模型构建专家推荐系统。融合了RFM模型和决策树模型,结合专业运营人员的业务经营,发掘潜在用户,进行推荐营销召回。☆88Updated last year
- 《Python数据分析与挖掘实战》随书源码与数据☆289Updated 7 years ago
- 卷积神经网络(CNN)提取影评特征构建电影推荐系统,pytorch实现☆129Updated 7 years ago
- 数据分析,挖掘建模。☆210Updated 3 years ago
- 一些传统推荐算法的实现,包括基于内容的推荐,协同过滤,矩阵分解☆297Updated 7 years ago
- 图书推荐系统,基于商品的协同过滤算法实现☆306Updated 5 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆122Updated 6 years ago
- 使用Flask,mysql构建的一个基于书籍,基于协同过滤算法,基于slope one的图书推荐系统☆339Updated last year
- Data Analysis and Mining(数据分析与挖掘)☆335Updated 4 years ago
- 使用 Spark MLlib 的 ALS 算法的电影推荐系统☆42Updated 8 years ago
- 热门推荐、基于内容推荐、基于用户协同过滤推荐、基于物品协同过滤推荐☆39Updated 6 years ago
- 1st Place Solution for【2016CCF大数据竞赛 客户画像赛题(用户画像)】☆348Updated 6 years ago
- 根据用户数据及消费行为数据,使用Python对客户进行聚类分群,并给出用户画像。通过数据,分析用户群体的核心特征。☆30Updated 4 years ago
- 电影推荐系统、电影推荐引擎、使用Spark完成的电影推荐引擎☆117Updated 7 years ago
- 根据用户数据以及消费行为数据,使用Python建立分类模型,通过评估客户流失的风险来预测客户流转情况,找到对客户影响较大的因素,进而挽留客户☆10Updated 4 years ago
- 数据分析或者数据挖掘工程师面试题整理☆176Updated 5 years ago
- use mysql python create a GUI movie recommendation system☆89Updated 5 years ago
- 使用机器学习算法的电影推荐系统以及票房预测系统☆297Updated 4 years ago
- 推荐系统与深度学习☆35Updated 4 years ago
- 基于在线民宿 UGC 数据的意见挖掘项目,包含数据挖掘和NLP 相关的处理,负责数据采集、主题抽取、情感分析等任务。目的是克服用户打分和评论不一致,实时对在线民宿的满意度评测,包含在线评论采集和情感可视化分析。搭建了百度地图POI查询入口,可以进行自动化的批量查询 POI …☆432Updated 9 months ago
- 机器学习方法进行中文电影评论的情感分析☆30Updated 8 years ago
- 房价预测完整项目:1.爬取链家网数 据 2.处理后,用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好,R^2值0.75左右☆240Updated 6 years ago