machine-learning - 给定物品列表，预测要出售的物品

Question

我们有一个数据集，其中包含客户到他喜欢的产品的映射

c1->{P1, P2, p5} 
c2->{P3, P5, p4} 
c3->{P5, P2, p3}
....

在此基础上，我们需要为客户推荐产品，

假设对于 cx 客户，我们需要推荐产品，因为我们有 cx 从上述集合中购买的数据，并且我们运行 apriori 来找出推荐，但是对于大数据集，它非常慢？

有人可以给我们一些建议来解决这个问题吗？

Answer 1

我假设商家销售的商品是您的训练数据，然后随机商品是您的测试数据。因此，最有可能出售的物品将取决于商家当前出售的物品的“特征”。“功能”是指商品的价格、类别，这些是您将拥有的详细信息。然后决定算法，我建议你看一下特征空间。如果有小集群，那么即使是最近邻搜索也会更好。如果分布很复杂，那么您可以选择 SVM。有各种数据可视化技术。采用 PCA 并可视化前两个维度可能是一个不错的选择。