本专区汇聚了各类基于 协同过滤 开发的源码资源，共计 39 篇资源供开发者免费下载学习。
基于用户的协同过滤推荐，采用mae作为测试的标准，使得效果明显
代码是协同过滤的Java实现。包含了相似度的计算，以及最优化方法MAE的实现。
Python实现的协同过滤推荐算法，包括UserBaseCF和ItemBaseCF两种，使用的数据集是Movielens数据集，包含在源码中。
基于用户的协同过滤算法，数据源采用movielens.其核心思想是，根据系统中用户对项目的已评分数据，计算目标用户和其他用户（或项目）之间的相似度，然后根据得到的相似度进行排序，选
协同过滤推荐算法,用于应用商店的推荐，能较好的提高准确率协同过滤推荐算法,用于应用商店的推荐，能较好的提高准确率协同过滤推荐算法,用于应用商店的推荐，能较好的提高准确率协同过滤推荐
图书推荐系统，依托豆瓣的图书和评分信息，使用基于items的推荐算法，实现推荐1：环境说明Mysql 5.6 + python 2.7 + django 1.8 + MySQLdb
综合集体智慧编程一书中关于recommendations.py文件中的所有代码，并将不能运行的代码做了一定的修改，支持python3.5版本。
用matlab实现推荐系统，主要方法是协同过滤矩阵，同时还有用mae方法进行验证，数据矩阵是电影数据用户有943，电影有1687，数据较大，用文件实现。同时还应用到聚类分析，有各种
基于物品的协同过滤算法的实现，基于matlab源码
输入训练集：usrID filmID grade time，测试集与训练集格式同。用svd方法，评分时采用bui+uv（未完成优化，可以采用梯度下降法）
matlab源码 协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容
协同过滤，英文名Collaborative filtering，算法wiki上有详细介绍。数据是采用MovieLens，下载地址 http://grouplens.org/d