Machine Learning & AI Foundations: Recommendations
前言叨B叨
前面给大家分享了《机器学习-价格预测》系列文章,是用机器学习建立了一个房价预测的系统， 重点是普及了很多基本概念.
接下来这段时间继续来分享《机器学习：推荐系统》，欢迎踊跃收藏转发评论.
同上一个系列一样，整个课程内容比较轻量化, 还是那个大叔讲的，哎呀， 大叔，我都快爱上你了.
注:文章并非完全直译, 可能会被我添油加醋
以下进入今天的主题
引言
1. 欢迎
吃水不忘挖井人, 我们先来看看作者大哥: 对， 没错，还是阿丹姆*盖特吉
推荐系统是机器学习系统，帮助用户发现新的产品和服务。每当您在线购买产品时，推荐系统都会引导您选择最有可能购买的产品。
即使您没有机器学习的经验，本课程将教您如何从头开始建立推荐系统。在这个课程中，我们将使用硅谷初创公司使用的相同技术来构建机器学习推荐系统。我们的系统将能够根据他们已经看到的电影评论向用户推荐新电影。
但是完全相同的系统可以用于任何想要推荐给用户的产品或服务。
推荐系统是现代世界的基本特征。
面对海量产品用户往往不知所措，推荐系统可以帮助他们快速找到自己喜欢的产品。这不仅导致更多的销量，而且还能让用户开心。你将能够把你在本课程中建立的推荐系统学到的东西应用到你自己的项目中。让我们开始吧。
2. 你应该具备哪些知识
在开始这门课程之前，你应该有一些编程经验。这个类中的示例将在Python 3中完成，所以如果您对Python语法有一些基本的了解，这是很有帮助的。我建议你看看这些课程，Python 3和 Pandas的相关课程。不过,即使你没有相关经验, 也不太影响我们后面的进一步理解学习。
3. 使用练习文件
你可以访问本课程的练习文件，文件是按章节组织的，每个视频中使用的所有代码和数据都可以在相应的文件夹中找到。在第五章中，将有多个部分涉及到大量代码。所以建议你下载下来跟着教程一起做练习。
下载地址:
https://github.com/shark526/shared/blob/master/Ex_Files_ML_EssT_Recommendations.zip
4. 安装开发环境
为了处理本课程中的代码示例，我们需要安装Python和Python编辑器 Pycharm(当然可以选择你喜欢的编辑器)。首先，请移步Python官网安装Python 3。
你的机器上可能已经安装了Python 2。但是Python 3是当前版本的Python，并且有一些不错的改进。两种版本都可以用于机器学习，但没有理由不使用最新版本。然后让我们去jetbrains.com/pycharm。
在安装好Pycharm之后,将下载下来的源代码导入项目。然后我们打开任何文件的运动，像simple_value_estimator.py，PyCharm会弹出一个消息，要安装依赖的安装包, 点击安装。
根据您正在使用的Mac OS版本，这个过程可能需要相当长的一段时间。(注:这个自动安装缺少的依赖包我试了下, 有mac版本的Pycharm有这个功能, Windows 下的话完全不吭气所以需要手动安装. 我经过一番折腾, 这里建议两种方法:1. 安装 anaconda, 这货大而全,傻瓜式安装, 但是会一并安装一些我们当前用不到的包, 介意的同学只能乖乖入坑挨个手工pip, 其中有一个坑注意下,就是pip在线安装scipy的时候可能会安装不成功, 这时要在官网下载windows对应的scipy .whl 文件后在本地pip安装.)
安装环境估计就够大家折腾一会的了，已经有环境的同学请稍安勿躁， 后面章节会相继跟进.
如有错误请高手指正.
你的 关注-收藏-转发 是我继续分享的动力!
