2015年2月28日 星期六

[職涯] 創業者與上班族

        最近看了很多談創業與上班族的文章,像是大部份的人不是沒有創業所需的能力,只是被上班族思維定型了或是創業結束後三年,我當員工的心得,都提到上班族和創業者的差異,主要是在思維模式,並非真正的能力.但是人生是也不用如此二分,在不同立場學到的東西,也可以相互運用,將不同的思考模式帶入另外一方.

[工商時間] Linuxpilot 145有我的文章喔

        小弟的文章刊上了Linuxpilot 145期啦(http://linuxpilot.com/145),雖然在這條路上還是非常新手,真的感謝各位讀者的支持<(_ _ )>.未來也會繼續努力提供給大家一些有料的內容,謝謝各位<(_ _)>.

2015年2月24日 星期二

[R] Gradient Descent(SGD) 演算法實作

圖片來源:http://en.wikipedia.org/wiki/Gradient_descent

先前的[Algorithm] Stochastic gradient descent(梯度下降法)作為Online Learning Model(即時訓練模型)(一)提到使用SGD的方式來跑linear regression。本文嘗試使用R來實作這段過程(但是範例是batch作業,非即時):

2015年2月16日 星期一

[R] 各種相似性(Similarity) 演算法實作


在推薦系統或是文字探勘中,常常會需要比較兩個人或兩篇文章的相似性,相似性有許多種測量的方式,每種測量方式都有它的特性和適用的地方,本篇文章用R來實作並簡單比較幾種常用到的相似性.

2015年2月9日 星期一

[R] 推薦系統實作(Item Base)

圖片來源:http://betanews.com/2013/09/25/twitter-updates-magicrecs-recommendation-system-for-mobile-users/

承繼上一篇文章[R] 推薦系統實作(User Base) 這篇要介紹的是使用Item Base的角度來推薦使用者物品.

2015年2月7日 星期六

[R] 推薦系統實作(User Base)


推薦系統目的在於根據使用者個人化的特質,推薦使用者喜好的商品或廣告,其中最常使用的演算法為協同式過濾(collaborative filtering).協同式過濾是根據已知的消費行為或是客戶對於商品評價,來猜測客戶對於未購買或未評價的商品可能的評價.協同式過濾中,又以User-base以及Item-base為主要的評價方法.