<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>bp-writer</author_name>
  <author_url>https://blog.hatena.ne.jp/bp-writer/</author_url>
  <blog_title>Platinum Data Blog by BrainPad ブレインパッド</blog_title>
  <blog_url>https://blog.brainpad.co.jp/</blog_url>
  <categories>
    <anon>まなぶ</anon>
  </categories>
  <description>本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 こんにちは、アナリティクスサービス本部の小田です。本連載ではレコメンデーションシステムについて、気の向くままにゆるゆると考察を行っています。第1回ではユーザベース協調フィルタリングの概念およびロジックについて考察を行いました。そして今回、ようやく訪れた連載第2回は、ユーザベース協調フィルタリングを実装し、実際のデータに対して適用してみたいと思います。 ■今回やること MovieLensデータセットでの協調フィルタリングによる推薦 Rパッケージ{recommenderlab}を利用した協調フィル…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fblog.brainpad.co.jp%2Fentry%2F2017%2F05%2F23%2F153000&quot; title=&quot;レコメンドつれづれ  ～1-2. 協調フィルタリングの実装 ～ - Platinum Data Blog by BrainPad ブレインパッド&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/b/bp-writer/20170515/20170515193105.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2013-04-15 15:30:00</published>
  <title>レコメンドつれづれ  ～1-2. 協調フィルタリングの実装 ～</title>
  <type>rich</type>
  <url>https://blog.brainpad.co.jp/entry/2017/05/23/153000</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
