implicit

收录理由

如果你正在处理点击、播放、购买这类行为数据，而不是显式评分，implicit 是个很顺手的起点。它把协同过滤里几套常见算法都实现了，包括交替最小二乘、贝叶斯个性化排序和逻辑矩阵分解，训练时直接利用你已有的信号，用户不需要额外打分。得益于多线程的 Cython 代码，训练速度很快；ALS 和 BPR 两个模型还带 CUDA 内核，数据量大时可以在 GPU 上跑。基于稀疏用户-物品矩阵的 fit 和 recommend 接口，让接入现有流程变得很直接，也能方便地用你自己的指标来对比不同模型。每个算法都对应原始论文，结构清晰，作为学习推荐系统数学原理的参考也很合适。