2019獨角獸企業重金招聘Python工程師標準>>>

Mahout有很多推薦的實現，各有特點，在這里一并記錄。?
??? GenericUserBasedRecommender： 基于用戶的推薦，用戶數量相對較少時速度較快。?
??? GenericItemBasedRecommender：基于物品的推薦，物品數量較少時速度較快，外部提供了物品相似度數據后會更加有效率。?
??? SlopeOneRecommender：基于slope-one算法（想想那個填空的表格吧）的推薦，在線推薦或更新比較快，需要先下大量的預處理運算。物品數量相對較少時使用比較合適。?
??? SVDRecommender：效果不錯，和slope-one一樣，事先需要大量的預處理運算。?
??? KnnItemBasedRecommender：基于最近鄰算法的推薦器，物品數量較小時表現良好。?
??? TreeClusteringRecommender：基于聚類的推薦器，在線推薦較快，同時也需要事先大量預處理運算，用戶數量相對較少時表現良好。

轉載于:https://my.oschina.net/liangtee/blog/97744

總結

以上是生活随笔為你收集整理的Mahout各种推荐器的主要特点(转)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。