原标题:协同过滤的python简易实现
了解推荐算法的人对协同过滤都不陌生,协同过滤就寻找和被推荐客户品味相似的客户,找出利用这些相似客户的偏好特征为用户推荐产品。下面就通过一个简单的示例将协同过滤加以实现。
关注我们公众号的粉丝都知道,在前几期的文章里,我们给大家介绍过推荐算法中的关联规则算法在实际项目中应用和实现,本期我们打算给大家介绍推荐算法中的协同过滤算法。协同过滤算法,在我们进行网购的时候比较常见。比如,最近想买一本书,比如是机器学习类,在亚马逊网络书店上搜索“机器学习”,会出现很多机器学习相关的书目,我们在进行筛选喜欢的图书的时候,往往通过网页左下角的“CustomerWho Bought This Item Also Bought”指引我找到了我的潜在需求,这个功能就是协同过滤算法的一个应用场景。
相信大家在网上购物、阅读、浏览视频时都会有类似的体验,这即是协同过滤推荐算法在起作用。该算法的好处是能起到意想不到的推荐效果, 经常能推荐出来一些惊喜结果。
协同过滤算法简单的说先寻找和被推荐客户品味相似的客户,找出利用这些相似客户的偏好特征为用户推荐产品。协同过滤的基本流程如下图所示:
下面就通过一个简单的示例将协同过滤加以实现。这个例子是通过生成10个用户的喜欢的电影名称的清单,然后在这10个用户中,找出和被推荐客户相似的客群,计算该相似客群的电影偏好,进而为被推荐用户推荐电影。