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:
- 第二届全国大数据比赛-个性化新闻推荐☆69Updated 9 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
- 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
- 大数据竞赛项目实战, 内容涵盖: Kaggle、阿里天池大数据、腾讯大数据、京东大数据、DataCastle大数据竞赛等等☆60Updated 6 years ago
- 机器学习、深度学习、NLP实战项目☆141Updated 7 years ago
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 7 years ago
- 使用 Spark MLlib 的 ALS 算法的电影推荐系统☆42Updated 8 years ago
- 2020年第八届泰迪杯数据挖掘C题“智慧政务文本挖掘”特等奖作品(论文与代码)☆67Updated 4 years ago
- 简单的实现推荐系统的召回模型和排序模型,其中召回模型使用协同过滤算法,排序模型使用gbdt+lr算法☆58Updated 6 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆103Updated 7 years ago
- 个性化推荐代码--初学者☆39Updated 5 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
- 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 6 years ago
- 利用python进行反欺诈检测☆34Updated 6 years ago
- 用户画像练手,,,,☆83Updated 8 years ago
- 常见数据分析面试题☆65Updated 7 years ago
- 数据分析或者数据挖掘工程师面试题整理☆169Updated 5 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
- 天池大数据比赛总结☆39Updated 7 years ago
- 3个小项目分别是利用 Python 实现报表自动化、某连锁超市、某银行数据分析,展示了问题分解、数据清洗、数据分析与可视化的过程。☆45Updated 5 years ago
- 深度学习用于近日头条用户画像☆27Updated 7 years ago
- 数据分析,挖掘建模。☆210Updated 3 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- 银行客户流失预警模型☆44Updated 7 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征,分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT(梯度提升决策树)。☆94Updated 6 years ago
- 利用用户画像数据、物品元数据、用户行为数据为特征构建推荐系统,使用CB和CF算法做推荐召回,使用 Redis数 据库做缓存处理,结合机器学习LR算法推荐排序,达到粗排、精排效果,实现推荐引擎搭建。☆45Updated 4 years ago
- 本次数据分析基于阿里云天池数据集(用户行为数据集),使用转化漏斗,AARRR模型,对常见电商分析指标,包括转化率,PV,UV,留存率,复购率等进行分析,分析过程中使用python进行数据清洗及可视化。☆30Updated 5 years ago
- 推荐系统算法实践☆14Updated 4 years ago
- 机器学习、深度学习基础知识. 推荐系统及nlp相关算法实现☆68Updated 2 years ago
- 分析银行营销活动数据以预测客户有多大可能购买存款产品☆13Updated 5 years ago