本篇目录：
- 1、抖音一起看视频是看谁的视频
- 2、大数据经典算法解析(1)一C4.5算法
- 3、抖音视频怎么从精选改回推送
- 4、抖音是根据什么推送的,为什么我什么样的心情就给我推什么样的视频?
- 5、大数据经典算法解析(5)一EM算法
抖音一起看视频是看谁的视频
1、看的是抖音大数据算法推送的内容。一起看视频功能是抖音朋友房的一种玩法。是用户和TA的互关朋友互动的空间，互动玩法包括一起看视频、朋友KTV等，可以让用户邀请自己的好友加入房间，然后进行实时的弹幕互动、语音聊天等。
2、不能看到对方。抖音一起看是没有摄像头，是看不到对方的，开启抖音一起看功能后，在抖音屏幕上只能看到抖音视频。
3、看的是抖音大数据算法推送的内容。用【一起看】功能，和好友一起刷视频，还可以开麦，实时聊天互动。
4、方法1：设置私密账号，设置了私密账号以后，不是互相关注的人是没有办法看到你的视频，但是这样设置会影响视频上热门。
5、不是的，一起刷抖音是两个人综合数据的视频，通过这个功能和好友一起刷视频还可以开麦实时聊天互动。
6、首先是创建“一起看”房间。在首页观看视频，点击分享按钮或长按视频，就会出现“一起看视频”功能。
大数据经典算法解析(1)一C4.5算法
在特征分裂后，有些子节点的记录数可能偏少，以至于影响分类结果。
C5的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。 C5由J.Ross Quinlan在ID3的基础上提出的。ID3算法用来构造决策树。
C5 C5算法是由Ross Quinlan开发的用于产生决策树的算法[1]，该算法是对Ross Quinlan之前开发的ID3算法的一个扩展。C5算法主要应用于统计分类中，主要是通过分析数据的信息熵建立和修剪决策树。
C5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。 K-means算法：是一种聚类算法。
决策树的典型算法有ID3，C5，CART等。国际权威的学术组织，数据挖掘国际会议ICDM （the IEEE International Conference on Data Mining）在2006年12月评选出了数据挖掘领域的十大经典算法中，C5算法排名第一。
C5算法是在ID3算法的基础上采用信息增益率的方法选择测试属性。CART算法采用一种二分递归分割的技术，与基于信息熵的算法不同，CART算法对每次样本集的划分计算GINI系数，GINI系数，GINI系数越小则划分越合理。
抖音视频怎么从精选改回推送
1、如果您仍然无法找到如何从“精选”改回“推送”的方法，建议您查阅抖音的官方帮助文档或联系抖音的客服，以获取更准确的操作指导。
2、点击我 打开抖音软件，点击下角的我。点击横线 进入个人界面，点击三条横线，在弹出页面，点击设置。点击通知设置 进入设置页面，点击通知设置。点击作品通知 在通知设置页面，滑动点击作品通知选项。
3、首先，打开手机上面的抖音app。打开抖音之后，进入抖音app的首页，可以看到视频的播放列表，点击右下角的“我”按钮，即可进入抖音的个人中心。
抖音是根据什么推送的,为什么我什么样的心情就给我推什么样的视频?
其实，抖音推送规律说白了就是抖音背后的一个机制算法。
浏览过什么感兴趣的，停留多久总会有记录的，感兴趣的东西就会推荐给你，这也是大数据的一种表达方式，因此刷到的基本是，比较合口味的一些内容。
抖音这个软件是由人工智能的功能的，当你在某一些视频上停留的时间比较长。人工智能就默认你比较喜欢这些视频，它就给你推荐同类的视频。所以你会看到，如果你的心情比较差的时候，它就会给你推荐一些你能够感同身受的视频。
抖音里用户推荐的意思即是指在抖音的后台系统中会根据用户的喜好、停留时间、点赞类型来判断用户喜欢哪种类型的视频和人，从而推送相关的内容。抖音，是由字节跳动孵化的一款音乐创意短视频社交软件。
大数据经典算法解析(5)一EM算法
而在 函数下，某个观测值可以一部分来自于硬币B，一部分来自于硬币C，因此也称作软分类。 将上述两步综合起来，EM算法可以总结如下：我们首先初始化模型的参数，我们基于这个参数对每一个隐变量进行分类，此时相当于我们观测到了隐变量。
EM算法是一种迭代优化策略，由于它的计算方法中每一次迭代都分两步，其中一个为期望步（E步），另一个为极大步（M步），一轮轮迭代更新隐含数据和模型分布参数，直到收敛，即得到我们需要的模型参数。
下面我们先从一般性问题上进行EM算法的理论描述，然后再利用EM算法推导高斯混合模型的计算方法。 EM算法叫做期望最大化方法，首先我们给出EM算法一般性结论或者说步骤，其具体分为两步，即E-step和M-step。
第一步（E步）：求期望的目的是为了消去隐变量 。；代入(1)式，得到：第二步（M步）：取最大值。EM算法使用迭代法来更新参数。 （精髓）任意取 ，就可以开始按照上面的公式进行迭代了。
EM算法的英文全称是 Expectation Maximization Algorithm——期望极大化算法 ，它采用迭代的方式逼近带隐变量的似然函数。通过对似然函数的一个下界求偏导，得到每一步参数估计的过程。
期望极大（Expectation Maximization）算法，也称EM算法，是一种迭代算法，由Dempster et. al 在1977年提出，用于含有隐变量的概率参数模型的极大似然估计。
到此，以上就是小编对于大数据算法视频讲解的问题就介绍到这了，希望介绍的几点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。
微信扫一扫打赏
