机器学习在推荐系统中的应用-金融数学与金融工程专业论文.docxVIP

山东大学硕士学位论文§2．4简单决策树 山东大学硕士学位论文 §2．4简单决策树 ．21 §2．4．1模型的基本介绍 ．．21 §2．4．2模型的种类 ．23 §2．4．3模型的标准 ．23 §2．4．4模型的优缺点 ．．25 §2．5随机森林 ．25 §2．5．1模型的基本介绍 ．．25 §2．5．2模型的算法 ．26 §2．5．3模型的性质 ．28 52．6模型的评价 ．29 §2．6．1损失函数 30 §2．6．2错误率 ．．30 §2．6．3 ROC准则 30 第三章程序化实现 32 §3．1变量的提取和挖掘 32 §3．2数据预处理 ． 34 §3．2．1筛选用户 ．．34 §3．2．2分割数据 ．．34 §3．2．3标准化数据 35 §3．3训练模型 ．36 53．3．1逻辑回归模型．． ．． ． ． ． ．．．36 53．3．2神经网络模型 ．38 一 万方数据 山东大学硕士学位论文53．3．3简单决策树 山东大学硕士学位论文 53．3．3简单决策树 39 §3．3．4随机森林 ．．41 53．4模型评估 ．41 第四章结论 ． ．．．． ． ．．． ．42 第五章后期工作与展望 ．43 附录 44 参考文献 ． ．．． ． ．．．。 ， ．．。 ． 。 ．．52 致谢 ． ．．54 3 万方数据 山东大学硕士学位论文机器学习在网络推荐系统中的应用 山东大学硕士学位论文 机器学习在网络推荐系统中的应用 邴欣 (山东大学齐鲁证券金融研究院，济南，250100) (指导老师：吴臻) 中文摘要 随着大数据时代的到来，许多新兴的学科技术伴随着大批量的数据的产 生而发展起来，其中，机器学习是一门非常流行的代表性技术。它在信息、 医学、生物、交通等诸多领域有着重要的应用，其中金融数学和经济领域尤 为突出，例如股票市场价格的预测、风险评估等等。为了将机器学习应用到 经济和金融领域，对不同算法的优缺点和适应环境的深入了解是必不可少 的。因此，本文的主要目的是通过利用机器学习的不同算法帮助Yelp建立用 户推荐系统，对不同算法的表现进行比较和评定，进而使我们能对不同算法 的表现和适应情况有更深层次的理解。从而为在金融方向的应用打下牢固的 基础。本文对Yelp数据的处理，结合图模型表示方法对用户两两之间的信息 进行数据挖掘和变量提取，用所得到的两两用户之间的信息训练模型。模型 包括逻辑回归模型，神经网络模型和决策树模型。通过训练后的模型对需要 推荐的用户之间进行回归／分类预测，结合ROC曲线对不同的模型进行比较 和评价，最后对每一个待推荐的用户结合最优的模型建立一个排序的推荐名 单。 关键词： 机器学习；推荐系统；图模型表示方法；逻辑回归模型；神经网 络模型；ROC曲线 万方数据 山东大学硕士学位论文Application 山东大学硕士学位论文 Application of Machine Learning in Recommender System Xin Bing fQilu securities institutc for financial studies，Shandong University，Jinan，250100) (Supervisor：Zhen Wu) 英文摘要 As the advent of the Big Data era，several new modern subjects becoming increasingly important and popular．Machine learning is of those subjects，which has been widely and successfully applied in Informatics， Medical，Biology，Transportation and other fields．One of the most popular fields for applying machine learning is Finance and Economics，such stocking price prediction and risk management and evaluation．In order to further learn how to apply machine learning into practice，it’S necessary to have deep understanding of the state-of-art algorithms in machine learning，from their fundamental machinery to the conditions for which