在上周我寫(xiě)了一篇“基于機(jī)器學(xué)習(xí)的銀行電話營(yíng)銷(xiāo)客戶購(gòu)買(mǎi)可能性預(yù)測(cè)分析”，那是作為對(duì)客戶購(gòu)買(mǎi)可能性預(yù)測(cè)分析的第一次驗(yàn)證案例的嘗試。今天是基于機(jī)器學(xué)習(xí)的客戶購(gòu)買(mǎi)可能性預(yù)測(cè)分析的第二次驗(yàn)證案例：推薦系統(tǒng)。

推薦系統(tǒng)

基于熱度推薦：由專(zhuān)家或者一定時(shí)期產(chǎn)品銷(xiāo)售情況或者主推產(chǎn)品，制作一個(gè)排行榜，在沒(méi)有用戶數(shù)據(jù)的情況下根據(jù)排行榜推薦

基于用戶特征推薦：通過(guò)歷史數(shù)據(jù)，由算法(機(jī)器學(xué)習(xí))根據(jù)用戶特征進(jìn)行推薦，在用戶數(shù)據(jù)能夠填寫(xiě)一些基本數(shù)據(jù)的情況下

基于知識(shí)推薦：通過(guò)用戶要求，比如果需要高收益，需要低風(fēng)險(xiǎn)的產(chǎn)品，在數(shù)據(jù)庫(kù)對(duì)產(chǎn)品進(jìn)行篩選，然后推薦

基于內(nèi)容推薦：通過(guò)用戶已經(jīng)購(gòu)買(mǎi)的產(chǎn)品，推薦內(nèi)容相似的物品，這里的內(nèi)容相似是由專(zhuān)業(yè)人員提供

協(xié)同過(guò)濾推薦：通過(guò)算法直接計(jì)算物品相識(shí)度，注意這里的物品相似度不是2個(gè)物品內(nèi)容，而是有購(gòu)買(mǎi)情況來(lái)確定的，比如說(shuō)購(gòu)買(mǎi)A（手機(jī)）的用戶，大多數(shù)都購(gòu)買(mǎi)了B（手機(jī)套），算法計(jì)算出A與B是相似的

一些機(jī)器學(xué)習(xí)推薦：通過(guò)以一些機(jī)器學(xué)習(xí)算法，比如說(shuō)FM（因式分解機(jī)），深度學(xué)習(xí)，deepfm等

其中對(duì)于新用戶通常三選一

對(duì)于老用戶，通常是使用多種算法，然后加權(quán)得出最優(yōu)的推薦列表

3種方法驗(yàn)證

在這里主要3種方法驗(yàn)證，協(xié)同過(guò)濾，FM(因式分解機(jī))，deepFM。

協(xié)同過(guò)濾算法

計(jì)算所有物品的相似度（注意不是內(nèi)容相似）

推薦方法：

對(duì)用戶夠買(mǎi)(或者評(píng)價(jià)過(guò))的物品查詢相識(shí)度，然后加權(quán)推薦

簡(jiǎn)單例子

最終推薦（從左到右）

基于協(xié)同過(guò)濾展示 對(duì)user=‘1’

Python  打印結(jié)果  這里看過(guò)的電影只打印前5   推薦電影只推薦加權(quán)后前10

------WATCHED MOVIES--------

1193 "One Flew Over the Cuckoo's Nest (1975)" 'Drama'

2355 "Bug's Life, A (1998)" "Animation|Children's|Comedy"

1287 'Ben-Hur (1959)' 'Action|Adventure|Drama'

2804 'Christmas Story, A (1983)' 'Comedy|Drama'

595 'Beauty and the Beast (1991)' "Animation|Children's|Musical"

------RECOMMEND MOVIES--------

1196 'Star Wars: Episode V - The Empire Strikes Back (1980)' 'Action|Adventure|Drama|Sci-Fi|War']]

1265 'Groundhog Day (1993)' 'Comedy|Romance'

364 'Lion King, The (1994)' "Animation|Children's|Musical"

260 'Star Wars: Episode IV - A New Hope (1977)' 'Action|Adventure|Fantasy|Sci-Fi'

2571 'Matrix, The (1999)' 'Action|Sci-Fi|Thriller'

2716 'Ghostbusters (1984)' 'Comedy|Horror'

1022 'Cinderella (1950)' "Animation|Children's|Musical"

318 'Shawshank Redemption, The (1994)' 'Drama'

1282 'Fantasia (1940)' "Animation|Children's|Musical"

1580 'Men in Black (1997)' 'Action|Adventure|Comedy|Sci-Fi'

因式分解機(jī)算法

評(píng)分矩陣是一種反映用戶對(duì)物品喜歡的矩陣，如下圖

因式分解機(jī)一種補(bǔ)全評(píng)分矩陣的的算法(紅色為算法補(bǔ)全)，然后根據(jù)評(píng)分推薦(對(duì)用戶1推薦為物品3>物品6>物品1>物品4>物品5)

算法解釋：通過(guò)已知的評(píng)分去找到P和Q，K為隱藏的特征，可以設(shè)置不同值

因式分解機(jī)算法的效果如下

------RECOMMEND MOVIES--------

318 'Shawshank Redemption, The (1994)'

858 'Godfather, The (1972)'

1198 'Raiders of the Lost Ark (1981)'

50 'Usual Suspects, The (1995)'

2858 'American Beauty (1999)'

912 'Casablanca (1942)'

593 'Silence of the Lambs, The (1991)'

750 'Dr. Strangelove or: How I Learned to Stop Worrying and Love the Bomb (1963)'

908 'North by Northwest (1959)'

1221 'Godfather: Part II, The (1974)'

deepFM算法

deepFM 是一種結(jié)合FM算法和深度學(xué)習(xí)的算法，結(jié)構(gòu)如下

deepFM算法的效果如下

------RECOMMEND MOVIES--------

593 'Silence of the Lambs, The (1991)'

1617 'L.A. Confidential (1997)'

1233 'Boat, The (Das Boot) (1981)'

318 'Shawshank Redemption, The (1994)'

1198 'Raiders of the Lost Ark (1981)'

858 'Godfather, The (1972)'

733 'Rock, The (1996)'

1276 'Cool Hand Luke (1967)'

2571 'Matrix, The (1999)'

953 "It's a Wonderful Life (1946)"

模型評(píng)價(jià)指標(biāo)

1. 用戶滿意度
2. 預(yù)測(cè)準(zhǔn)確度
3. 覆蓋率
4. 多樣性
5. 新穎性
6. 驚喜度
7. 信任度
8. 實(shí)時(shí)性
9. 健壯性
10. 商業(yè)目標(biāo)

離線實(shí)驗(yàn)的目標(biāo)

最大化預(yù)測(cè)準(zhǔn)確度

在滿足一定要求的情況下

比如

• 覆蓋率>60%
• 多樣性>30%
• 新穎性>10%

推薦系統(tǒng)算法總結(jié)

1. 多種算法適用不同的場(chǎng)景。
2. 混合推薦，提高購(gòu)買(mǎi)率。比如說(shuō)用戶購(gòu)買(mǎi)手機(jī)，按照內(nèi)容相似，推薦其他的手機(jī)；按照協(xié)同過(guò)濾，推薦手機(jī)套等買(mǎi)手機(jī)的人也大概率會(huì)買(mǎi)的大小；按照評(píng)分估計(jì)的算法，根據(jù)用戶推薦可能會(huì)購(gòu)買(mǎi)的啤酒，衣服的。在有限推薦位置，混合推薦，提高成功率。

慧都大數(shù)據(jù)分析平臺(tái)，將學(xué)習(xí)、推理、思考、預(yù)測(cè)、規(guī)劃等能力賦予企業(yè)數(shù)據(jù)，讓數(shù)據(jù)驅(qū)動(dòng)決策，創(chuàng)造最高業(yè)務(wù)價(jià)值。

歡迎撥打慧都熱線023-68661681或咨詢，我們將幫您轉(zhuǎn)接大數(shù)據(jù)專(zhuān)業(yè)團(tuán)隊(duì)，并發(fā)送相關(guān)資料給您！