anduwilson / kkbox--
通过挖掘海量的历史音乐欣赏记录,流媒体服务向用户提供个性化音乐推荐,实现一个完整的推荐系统,同时预测用户是否在到期后的一个月内预定、流失的概率。
☆12Updated 5 years ago
Alternatives and similar repositories for kkbox--:
Users that are interested in kkbox-- are comparing it to the libraries listed below
- 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
- 银行客户流失预警模型☆43Updated 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 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☆59Updated 6 years ago
- 甜橙金融杯Rank14☆17Updated 6 years ago
- 高效的协同过滤算法实现——推荐系统☆52Updated 2 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆100Updated 6 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☆40Updated 6 years ago
- DataCastle 大学生助学金精准资助预测(样本不均衡条件下的多分类任务)第7/352名解决方案☆12Updated 8 years ago
- 推荐系统,内含主流模型,不定期更新模型☆26Updated 5 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
- 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
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- 用户对品类下店铺的购买 预测☆26Updated 5 years ago
- 第三届融360天机智能金融算法挑战赛-第二题:特征挖掘☆114Updated 5 years ago
- 利用python进行反欺诈检测☆34Updated 6 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 10 months 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
- 使用决策树进行客户流失预测分析☆10Updated 7 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。☆29Updated 4 years ago
- 第二届智慧中国杯精品旅行服务成单预测 第二名比赛方案☆31Updated 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
- 京东杯 2019 第六届泰达创新创业挑战赛-用户对品类下店铺购买预测_季军方案☆18Updated 5 years ago
- 第四届拍拍贷魔镜杯建模分享☆35Updated 5 years ago
- top1解决方案☆38Updated 6 years ago
- 广告点击率(CTR)预测经典模型 GBDT + LR 理解与实践(附数据 + 代码)☆86Updated 4 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛-top2☆26Updated 4 years ago
- 基于用户画像以及协同过滤的音乐推荐系统☆72Updated 4 years ago
- 推荐系统与深度学习☆35Updated 3 years ago