SimonWang00 / recommender
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 10 months ago
Alternatives and similar repositories for recommender:
Users that are interested in recommender are comparing it to the libraries listed below
- 第二届全国大数据比赛-个性化新闻推荐☆69Updated 9 years ago
- 银行客户流失预警模型☆43Updated 7 years ago
- 基于某城市移动终端用户的运营商数据预测未来三月内用户是否会终端变迁(用户从当前使用的手机品牌更换为其他手机品牌)。应用xgboost算法和随机森林算法组合成多学习器预测模型。☆53Updated 8 years ago
- 推荐系统，内含主流模型，不定期更新模型☆26Updated 5 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☆59Updated 6 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆100Updated 6 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 4 years ago
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 6 years ago
- 基于用户行为的用户画像项目☆73Updated 7 years ago
- 人工智能工程师直通车第三期 实战项目:广告点击率预测（CTR）。预测用户浏览给定网页的广告点击率，提高广告投放精准度。☆22Updated 6 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☆37Updated 6 years ago
- 基于真实业务上手数据挖掘（银行流失预警）:数据的处理、LightGBM、skLearning包(里面含有：GridSearchCV寻找最优参、StratifiedKFold分层5 折切分、_test_Split单次数据切分等)、叠层模型融合、画AUC图、画混淆矩阵图，并输出预…☆93Updated 3 years ago
- 利用python进行反欺诈检测☆34Updated 6 years ago
- 零售电商客户流失模型，基于tensorflow，xgboost4j-spark，spark-ml实现LR，FM，GBDT，RF，进行模型效果对比，离线/在线部署方式总结☆67Updated last year
- 利用RFM模型建模，并通过聚类分析、分类，分别算出8中不同的价值会员☆37Updated 7 years ago
- 高效的协同过滤算法实现——推荐系统☆52Updated 2 years ago
- 基于用户行为的推荐算法大赛---第四名（临兵斗列）☆41Updated 8 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。☆28Updated 4 years ago
- 使用scrapy框架爬取微博数据存储到mongodb中，利用numpy/tensorflow等python库对数据进行处理（基于transE算法），形成推荐系统。使用Springboot框架实现系统的可视化。有不同分支，master、transE、spring分别存储不同的…☆17Updated 8 years ago
- 2018科大讯飞营销算法大赛（冠军方案）☆94Updated 5 years ago
- 基于SparkMLLib实现的商品推荐功能，包括：基于用户的协同过滤，基于物品的协同过滤，基于ALS交替最小二乘的协同过滤。☆34Updated 6 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☆128Updated 7 years ago
- 风险评分卡全流程建模☆36Updated 4 years ago
- 基于互联网金融平台2015年度贷款数据完成信贷违约预测模型，该模型可以作为信贷平台预测违约借款人的参考☆68Updated 6 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☆67Updated 2 years ago
- 2017“达观杯”个性化推荐算法挑战赛-rank6☆43Updated 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☆9Updated 4 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。☆44Updated 4 years ago
- Python 3.6 下的推荐算法解析，尽量使用简单的语言剖析原理，相似度度量、协同过滤、矩阵分解等☆104Updated 6 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago