《表2 传统协同过滤算法与RBM推荐效果对比》
提示：宽带有限、当前游客访问压缩模式
同时，利用“10折交叉验证法”对传统协同过滤算法（表中记为“CF”）在该数据集下的表现进行评测，得出如表2所示结果。
| 图表编号 | XD006796800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.04.01 |
| 作者 | 刘宇宁、陶宏才 |
| 绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 购电量数据：基于用户协同过滤的购电推荐算法》2020.09.20
- 《表2 小数据数据情况：一种改进的协同过滤推荐算法》2021.02.01
- 《表7 推荐电影名单：一种改进的协同过滤推荐算法》2021.02.01
- 《表1 几种推荐算法模型：基于深度学习的协同过滤推荐算法》2020.08.01
- 《表2 佣金收入及占比：基于协同过滤算法的旅游推荐系统的设计与实现》2020.12.15
- 《表1 企业类型图谱：基于协同过滤算法的旅游推荐系统的设计与实现》2020.12.15
- 《表3 推荐算法误差对比：基于ALS模型协同过滤推荐算法的研究》2020.06.28
- 《表2 内容数据特征处理：融合协同过滤的XGBoost推荐算法》2020.05.01
- 《表2 用户矩阵表：基于用户的协同过滤推荐算法研究》2020.07.05
- 《表1 两种模型比较结果：基于协同过滤算法的音乐推荐系统的研究与实现》2020.05.30
- 《用户-项目矩阵2：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《用户-项目矩阵1：一种基于用户的协同过滤与人气排行榜的融合推荐算法》2020.03.25
- 《表2 实验环境：融合循环知识图谱和协同过滤电影推荐算法》2020.01.15
- 《表1 基于协同过滤推荐算法的过滤系统过滤结果》2019.09.15
- 《表2 用户信任关系矩阵：融合社交网络与关键用户的并行协同过滤推荐算法》2019.10.01
- 《表4 并行化性能验证：融合社交网络与关键用户的并行协同过滤推荐算法》2019.10.01
- 《表3 本文算法与协同过滤推荐算法准确率的对比》2019.08.01
- 《表2 传统与改进协同过滤算法MAE、RMSE值》2019.02.15
- 《表2 算法效果对比表：结合物品类型和密度峰值聚类的协同过滤推荐算法》2018.12.30
- 《表2 推荐算法比较：基于有效信任协同过滤算法研究》2018.03.25