机器学习练手项目：基于协同过滤的推荐算法
在限定范围内，假设我们有一个用户-商品的评分矩阵（1~5），每个数值代表用户对该商品的喜爱程度。如何设计一个推荐系统？这个问题的本质是对用户对商品的评分进行预测，将预测评分高的商品推荐给用户。这里我们用到的算法是协同过滤，它有两个维度：
商品维度：将与该用户喜爱的商品相似的商品推荐给用户，也就是说与用户最喜欢的商品最相似的商品评分最高；
用户维度：将与该用户相似的用户喜爱的商品推荐给用户。
问题进一步转化成如何衡量商品或者用户的相似性的问题。对于用户的相似性：两名用户对同一件商品的打分越接近，两名用户越相似；对于商品的相似性：同一位用户对两件商品的打分越接近，两件商品越接近。
深入研究一下商品相似性导向的推荐算法的做法，用户相似性其实就是转置一下的事。对商品的相似度度量有多种办法，这边我们选取余弦相似度。
文件大小：458.28KB
评论区