机器学习 | 基于机器学习的推荐系统客户购买可能性预测分析

在上周我写了一篇“基于机器学习的银行电话营销客户购买可能性预测分析”，那是作为对客户购买可能性预测分析的第一次验证案例的尝试。今天是基于机器学习的客户购买可能性预测分析的第二次验证案例：推荐系统。

推荐系统

基于热度推荐：由专家或者一定时期产品销售情况或者主推产品，制作一个排行榜，在没有用户数据的情况下根据排行榜推荐

基于用户特征推荐：通过历史数据，由算法(机器学习)根据用户特征进行推荐，在用户数据能够填写一些基本数据的情况下

基于知识推荐：通过用户要求，比如果需要高收益，需要低风险的产品，在数据库对产品进行筛选，然后推荐

基于内容推荐：通过用户已经购买的产品，推荐内容相似的物品，这里的内容相似是由专业人员提供

协同过滤推荐：通过算法直接计算物品相识度，注意这里的物品相似度不是2个物品内容，而是有购买情况来确定的，比如说购买A（手机）的用户，大多数都购买了B（手机套），算法计算出A与B是相似的

一些机器学习推荐：通过以一些机器学习算法，比如说FM（因式分解机ÿ