R語言電影評分推薦系統

A. 初學R語言需要用什麼書比較好~怎麼學R語言

首先R是一種專業性很強的統計語言，如果想學得快一些的話，基本的統計學知識要懂，不然很多東西會掌握的比較慢。

掌握基本語法和操作，推薦國內的已經翻譯的比如《R語言實戰》《R語言編程藝術》，這個過程中最好結合一些小例子來做一些分析的東西。其他還有《R語言實例》《R語言核心技術手冊》也都是很好的書！如果需要可視化的話，強烈不推薦學習R本身的作圖系統，實在是太不友好了.....還是用ggplot2吧。

掌握了上面的，就可以深入一些了，如果是做數據分析和可視化，推薦《ggplot2：數據分析與圖形藝術》，這個才是作圖的神器啊.....如果是空間分析相關的，推薦《Applied Spatial Data Analysis with R》，這個如果可以的話看英文版，而且要有地學的一些知識背景，中文版翻譯的太次了，盡量不要看。數據挖掘機器學習之類的，可以看看比如《數據挖掘與R語言》、《機器學習——實用案例解析》，不過我覺得這幾本書沒上面的那幾本好，但是可以大概看看是咋回事，最好還是看看專門的相關書籍，熟悉各種演算法和流程，到時候搜索R的package，照著文檔和例子搞定，不是特別難。

最後，強烈推薦統計之都、R-bloggers，統計之都以及謝益輝、肖凱、劉思喆等人的博客（自行Google以及到上面的網站找鏈接），訂閱一下，會很有幫助，RStudio是個很棒的IDE，用起來很爽，功能很強大。

總之，你可以從《R語言實戰》開始出發吧！

B. 學IT的，寫了一個電影推薦系統，但是為什麼評分預測值大於五

全文以「預測電影評分」例子展開

r(i,j)=0則表明user_j沒有對movie_i 沒有評分，

推薦系統要做的就是通過預測user_j對這些movie {i|r(i,j)=0}的評分來給user_j 推薦其可能會喜歡的電影<預測評分較高的movie>

=======================================二、基於內容的推薦=======================================

對每個movie_i引入特徵x(i)=(x1, x2)，這種特徵可能表明user對movie類型的偏好：浪漫or動作等

對於每個user引入一個參數theta，然後對評分矩陣的每列(對應一個user)做線性回歸，數據是{ (x(i), y(i,j)) |r(i,j)=1，for some j all i}

像機器學習一樣，x(i)添加個1變數x(i)=(1, x1, x2)

那麼對於未評分的movie_t，我們可以使用線性回歸訓練的參數theta與對應特徵x(t)做內積來得到其預測評分

對每個用戶都訓練一個參數theta_j，優化模型如下：

優化演算法：注意正則項是不約束x(i)=(1, x1, x2)中1對應的參數theta的第一項theta0，所以k=0與k=1,2分別對待

=======================================三、協同過濾=======================================

現在換個角度：如果知道theta for all user j，如何來預測x(i) = (x1, x2) all i

仍然可以使用線性回歸，為訓練每個x(i)，需要評分矩陣的第i行數據{ (x(i), y(i,j)) |r(i,j)=1，for some i all j}

theta_j = (0, theta1, theta2) ；theta1=5說明user_j喜歡romance類movie， theta2=5說明user_j喜歡action類movie，只能有一個等於5哦，

我覺得也可以是：theta_j = (0, 4, 1) ；喜歡romance 4 action 1.

對應的優化：

協同過濾：交替優化theta與x

=========================================四、協同過濾演算法=======================================

優化：

優化：注意去掉了theta和x的添加項

=========================================五、實現細節補充=======================================

實現細節：

如果有user沒有對任何電影評分或者所有評分的電影都是0分，那麼所學習到的參數是零向量，

則預測都是0值，這是不合理的。通過 將評分矩陣減去其行均值再進行線性回歸來「避免」這種情況

=========================================六、一點思考==========================================

協同過濾那塊，同時優化theta、x，這樣得到的theta、x還有特定的意義<比如：x是否還表徵對影視類型的喜愛與否>沒有？

回歸中，在x數據上不添加1-feature是不是因為後來引入的平均值化；如果不是，那會對結果有什麼影響？

用x-feature來表徵一個movie，x-feature的各分量的可解釋性；應該會有一部分user應為演員的緣故有一些"偏愛"。

這里，講的"基於內容的推薦"與"協同過濾"跟以前對這兩個詞的認識/所指內容不同，查清楚、搞明白。

這周還會再更一篇關於此節課的演算法實現，會對上述部分問題做出回答。

C. R語言的編輯器有哪些哪個比較好

《R語言4.0.4軟體》網路網盤資源免費下載:

鏈接: https://pan..com/s/160twe4ScMvIbGm2TI_sjHw

R語言4.0.4是一款專業的統計建模軟體，與其它建模軟體不同的是這款軟體完全免費、開源，所以深受大家的青睞。R軟體擁有數據存儲和處理系統；數組運算工具（其向量、矩陣運算方面功能尤其強大）；完整連貫的統計分析工具；優秀的統計制圖等多種功能，主要用於統計分析、繪圖、數據挖掘。標準的安裝文件身自身就帶有許多模塊和內嵌統計函數，安裝好後可以直接實現許多常用的統計功能。

D. 大數據培訓到底是培訓什麼

一、基礎部分：JAVA語言 和 LINUX系統

二、數據開發:

1、數據分析與挖掘

一般工作包括數據清洗，執行分析和數據可視化。學習Python、資料庫、網路爬蟲、數據分析與處理等。

大數據培訓一般是指大數據開發培訓。

大數據技術龐大復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、資料庫、數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。

2、大數據開發

數據工程師建設和優化系統。學習hadoop、spark、storm、超大集群調優、機器學習、Docker容器引擎、ElasticSearch、並發編程等；

課程學習一共分為六個階段：

7