本书从实际业务、应用场景出发,介绍机器学习算法。
提供推荐
主要从如何寻找相似用户、通过相似用户对用户进行商品推荐以及相似商品进行讲述。
每一位用户对部分商品如影片有评价分数,根据两个人对同一商品的打分情况可以判断两用户相似情况。判断相似程度有欧几里得距离、皮尔逊相关度等。其中欧式距离计算不同分数之差的平方和的开方,范围在0到正无穷,容易受到“夸大分数”的影响。皮尔逊相关度根据两人对同样几件商品的评价分数,进行直线拟合,其范围为0~1,并且可有效减小夸大分数的影响。
通过计算不同用户之间的相似程度,可根据相似用户看过的商品进行推荐。为避免一些特殊的评论出现,可考虑将相似用户的相似度与其对该影片的评分加权求和,同时为了避免不同影片观影人数差异,可用影片评分加权之和除以相似用户的相关度之和。
相似商品的计算方法与相似用户近似,只需将数据库中用户与商品位置互换,如原本记录方式为用户1{商品1,商品2},用户2{商品1,商品2},改为商品1{用户1,用户2},商品2{用户1,用户2}。
发现群组
本章主要讨论一种无监督学习方法——聚类。聚类通常用于数据量很大的情况,例如零售商们据此检测出具有相似购买模式的消费者群体。常见有分级聚类(Hierarchical Clustering)和K均值聚类(K-Means Clustering)。
分级聚类每次计算两两个体之间相似距离,将距离最小的两个个体合并为一个群体,可以用树状图来存储。在每一次的计算中,存在大量之前已经计算的距离