• <nav id="8gm0o"></nav>
  • <menu id="8gm0o"><strong id="8gm0o"></strong></menu>
    <nav id="8gm0o"><strong id="8gm0o"></strong></nav>
  • 为了账号安全,请及时绑定邮箱和手机立即绑定

    推荐算法理论与实践

    陈家栋 全栈工程师
    难度中级
    时长 1小时55分
    学习人数
    综合评分9.57
    20人评价 查看评价
    9.3 内容实用
    9.9 简洁易懂
    9.5 逻辑清晰
    7 for i in range(m):
    8 idx = record[i:] != 0
    ----> 9 rating_mean[i] = np.mean(rating[i,idx])
    10 rating_norm[i,idx] -= rating_mean[i]
    11 return rating_norm,rating_mean

    IndexError: too many indices for array: array is 2-dimensional, but 3 were indexed
    要是有课件提供就好了。然后一直是说法,PPT字很少,很难做笔记。
    笔记自己不会记?就会张口就来?

    最新回答 / 奕帝传说_梦
    这个通过豆瓣就有数据,因为这是用户已经看过的电影,比如我们看完电影都喜欢在豆瓣评个分

    最新回答 / 慕函数8562618
    # 需要将TensorFlow版本设置为1.x%tensorflow_version?1.ximport?tensorflow?as?tftf.__version__

    最新回答 / 奕帝传说_梦
    summaryMerge=tf.compat.v1.summary.merge_all(); 用这个https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0 遇到问题用上面的网址一个个对照过来——百度了三个小时才解决呜呜呜
    首页上一页1234567下一页尾页
    课程须知
    掌握python语法,自学能力强!
    老师告诉你能学到什么?
    1、基于内容的推荐系统的原理 2、基于矩阵分解的推荐系统的原理 3、基于商品的协同过滤的推荐系统的原理 4、基于用户的协同过滤的推荐系统的原理 5、构建基于矩阵分解的电影推荐系统

    微信扫码,参与3人拼团

    意见反馈 帮助中心 APP下载
    官方微信
    友情提示:

    您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!

    本次提问将花费2个积分

    你的积分不足,无法发表

    为什么扣积分?

    本次提问将花费2个积分

    继续发表请点击 "确定"

    为什么扣积分?

    举报

    0/150
    提交
    取消
    985彩票 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>