协同过滤是一种常用于推荐系统的算法，通过对用户评价数据的分析，预测用户可能感兴趣的内容。在R中，可以使用`recommenderlab`包来实现协同过滤。该包提供了如UBCF（基于用户的协同过滤）等方法，通过设置不同的距离计算方式和参数，如欧式距离、皮尔森距离或余弦距离，来找到用户之间的相似度并生成推荐。在实际应用中，这种算法广泛应用于电商网站的‘猜你喜欢’功能。
协同过滤（Collaborative Filtering,简称CF）
协同过滤常常被用于分辨某位特定顾客可能感兴趣的东西，这些结论来自于其他相似顾客对哪些产品感兴趣的分析。
数据结构
协同过滤，主要收集每个用户对使用过的物品的评价。
评价可以理解为经常在电商网站上出现的，五星级的评分。
注意：不同用户的评分标准不同，所以需要对评分进行标准化处理。
标准化为0-1之间的值。
①用户评分向量
②商品评分向量
③向量距离计算（采用欧氏距离）
④相似度计算（Similarity）
sim(x,y)=1/1+d(x,y)
⑤越接近1越相似，
最低0.47元/天 解锁文章
306
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
