معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A recommender systems framework for Python

ویژگی	مقدار
سیستم عامل	-
نام فایل	CaseRecommender-1.1.1
نام	CaseRecommender
نسخه کتابخانه	1.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Arthur Fortes <fortes.arthur@gmail.com>
ایمیل نویسنده	fortes.arthur@gmail.com
آدرس صفحه اصلی	https://github.com/caserec/CaseRecommender
آدرس اینترنتی	https://pypi.org/project/CaseRecommender/
مجوز	MIT License

Case Recommender - A Python Framework for RecSys =================================================== Case Recommender is a Python implementation of a number of popular recommendation algorithms for both implicit and explicit feedback. The framework aims to provide a rich set of components from which you can construct a customized recommender system from a set of algorithms. Case Recommender has different types of item recommendation and rating prediction approaches, and different metrics validation and evaluation. Algorithms ^^^^^^^^^^^^ Item Recommendation: - BPRMF - ItemKNN - Item Attribute KNN - UserKNN - User Attribute KNN - Group-based (Clustering-based algorithm) - Paco Recommender (Co-Clustering-based algorithm) - Most Popular - Random - Content Based Rating Prediction: - Matrix Factorization (with and without baseline) - SVD - Non-negative Matrix Factorization - SVD++ - ItemKNN - Item Attribute KNN - UserKNN - User Attribute KNN - Item NSVD1 (with and without Batch) - User NSVD1 (with and without Batch) - Most Popular - Random - gSVD++ - Item-MSMF - (E)CoRec Clustering: - PaCo: EntroPy Anomalies in Co-Clustering - k-medoids Evaluation and Validation Metrics ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ - All-but-one Protocol - Cross-fold- Validation - Item Recommendation: Precision, Recall, NDCG and Map - Rating Prediction: MAE and RMSE - Statistical Analysis (T-test and Wilcoxon) Requirements ^^^^^^^^^^^^^ - Python >= 3 - scipy - numpy - pandas - scikit-learn For Linux, Windows and MAC use: $ pip install requirements For Windows libraries help use: http://www.lfd.uci.edu/~gohlke/pythonlibs/ Quick Start and Guide ^^^^^^^^^^^^^^^^^^^^^^ For more information about RiVal and the documentation, visit the Case Recommender `Wiki <https://github.com/caserec/CaseRecommender/wiki>`_. If you have not used Case Recommender before, do check out the Getting Started guide. Installation ^^^^^^^^^^^^^ Case Recommender can be installed using pip: $ pip install caserecommender If you want to run the latest version of the code, you can install from git: $ pip install -U git+git://github.com/caserec/CaseRecommender.git More Details ^^^^^^^^^^^^^ `https://github.com/caserec/CaseRecommender <https://github.com/caserec/CaseRecommender>`_ License (MIT) ^^^^^^^^^^^^^^ © 2019. Case Recommender All Rights Reserved Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	scikit-learn
-	pandas

نحوه نصب

نصب پکیج whl CaseRecommender-1.1.1:

pip install CaseRecommender-1.1.1.whl

نصب پکیج tar.gz CaseRecommender-1.1.1:

pip install CaseRecommender-1.1.1.tar.gz