今天浅尝推荐系统，于是做了一点点总结。基本上是以IBM的machine learning with python的课为主，然后网上略略搜了一下自己的问题。
先整理一下推荐系统的分类：
- 以内容为基础的推荐： 是根据用户购买/使用过的商品，去推荐类似的商品。比如常看动作片的人，就推荐其他没有看过的动作片。
- 协同过滤：是根据其他用户的行为来推荐商品
- 以内存为基础:
- 以用户为基础： 根据用户的评价，来找到相似的用户，然后根据相似用户的喜好进行推荐
- 以商品为基础： 根据商品的购买情况，来找到相似的商品，进行推荐。比如，购买A的人会买B，反之亦然，那么认为商品A和B相似，所以会向只买了其中一件商品的人推荐另一件。
- 以模型为基础（这个没有具体学，我也还不清楚）
- 以内存为基础:
- 混合推荐系统 （这个也还没有具体学，只知道这个是以内容为基础和协同过滤的结合）
更新一下思维导图，蓝色已经了解，红色还未接触。虽然不懂的还很多，但是了解了的也在增加。哈哈~~
Machine Learning Mind Map.png
网友评论