机器学习之推荐系统（协同过滤）学习笔记

• 推荐系统 概述

推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定购买什么产品，模拟销售人员帮助客户完成购买过程。

• 推荐系统 场景

• • 1.Amazon 会根据顾客的购买的历史向他们推荐相似的物品。

  • 2.Netfix会向其用户推荐电影。

  • 3.新闻网站会对用户推荐新闻频道。

• 推荐系统要点

• • 基于协同过滤（collaborative filtering）的推荐引擎

  • • 利用Python实现SVD（Numpy 有一个称为linalg的线性代数工具箱）

    • 协同过滤：是通过将用户与其他用户之间的数据进行对比来实现推荐的。

    • 当知道了两个用户或两个物品之间的相似度，我们就可以利用已有的数据来预测未知用户的喜好。

  • 基于物品的相似度和基于用户的相似度：物品比较少则选择物品相似度，用户比较少则选择用户相似度（矩阵还是小一点好计算）

  • • 基于物品的相似度：计算物品之间的距离。【耗时会随物品数量的增加而增加】

    • 由于物品A和物品C相似度（相关度）很高，所以给买A的人推荐C。

    • 基于用户的相似度：计算用户之间的距离。【耗时会随着用户数量的增加而增加】

    • 由于用户A与用户C的相似度（相关度）很高，所以A和C是兴趣相投的人，对

最后

以上就是敏感黄蜂为你收集整理的机器学习之推荐系统（协同过滤）学习笔记的全部内容，希望文章能够帮你解决机器学习之推荐系统（协同过滤）学习笔记所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。