추천 시스템에서 퍼지 로직을 사용하면 어떻게 이점을 얻을 수 있을까요?추천 시스템의 퍼지 로직 어플리케이션
내 시스템은 기본적으로 사용자 간의 유사도를 계산한다
- 타니 모토 계수
는 모든 유사성이 0에서 측정 하나로 결합 cosinus 거리
퍼지 이론의 기초를 이해합니다. 여기서 어떤 용도로 생각할 수는 없지만 시험해보고 싶습니다. 이것에 대한 의견을 듣고 싶습니다.
추천 시스템에서 퍼지 로직을 사용하면 어떻게 이점을 얻을 수 있을까요?추천 시스템의 퍼지 로직 어플리케이션
내 시스템은 기본적으로 사용자 간의 유사도를 계산한다
는 모든 유사성이 0에서 측정 하나로 결합 cosinus 거리
퍼지 이론의 기초를 이해합니다. 여기서 어떤 용도로 생각할 수는 없지만 시험해보고 싶습니다. 이것에 대한 의견을 듣고 싶습니다.
실생활에서 퍼지 논리를 너무 많이 성공적으로 적용하지 못했기 때문에 그다지 많이 기대하지는 않습니다.
사용법을 생각할 수 없다면 왜 시도하고 싶습니까?
유사도 값이 0에서 1까지 측정되면 퍼지 논리를 사용하여 시스템을 형식화 할 수 있습니다. true/false를 반환하고 양방향 논리로 형식화하려고하는 시스템을 갖는 것과 같습니다. 당신은 형식화를 얻습니다.
... 너무 퍼지 논리없이이 작업 경험을 얻기 위해있는 유일한 장점은 (... 매우 유사하지 매우 유사처럼 퍼지 단어를 사용) 수를 defuzzifying 할 수 있습니다,하지만 당신은 할 수 있습니다 이론, 그리고 더 나은 이해를 얻으려면 :) – Leg0