机器学习：推荐系统（一. 创建推荐系统的基础知识）

2017-11-19 本文已影响72人奔IV程序猿

The basic of making recommendations

1. 什么是推荐系统

推荐系统是一种计算机程序，通过预测用户对每个事物的评价并向他们展示他们可能高度评价的其他事物，从而帮助用户发现产品和内容。推荐系统无处不在。如果您曾经在亚马逊上搜索过书籍或通过Facebook上的帖子进行浏览，你可能不知道你正在使用这些推荐系统。
现在网上购物这么发达，消费者买个东西都挑花了眼，网购变成了一个力气活，没有人有足够的时间去搜寻每个产品。而推荐系统在帮助用户查找他们关心的产品和内容方面起着重要的作用，而用户不必花费大量的时间和精力去挖掘他们不喜欢的东西。
在幕后，这些系统由推荐功能提供支持。推荐功能获取关于用户的信息并预测用户给予产品的评价。如果您可以在用户看到产品之前预测用户对产品的评价，那就非常牛掰了。这意味着您可以向用户展示他们最想要的东西，而不是让他们把时间浪费在他们不关心的产品上。

想象一下，您正在浏览电子书，以便在您的电子书阅读器上购买。在线书店知道你的过去的图书购买记录和你给他们的评分。基于这些历史信息，它试图预测你将如何评价其库中的每个产品。（在用kindle的朋友应该有体会）

通过使用这些预测的评分，书店会告诉你它认为你可能最喜欢的书。这些也是你最有可能购买的书籍。推荐系统增强了用户体验，同时书店也卖了更多的书。

2. 推荐系统可以用来干什么

推荐系统有几种不同的用途。推荐系统最常见的用途是根据用户的喜好来对产品进行排名。如果用户正在浏览或搜索产品，我们想向他们展示他们最想要的产品。用户希望能够快速找到他们想要的东西，如果他们很难找到相关产品，他们可能会放弃寻找。推荐系统也可以用来找出不同产品之间的相似程度。如果产品彼此非常相似，他们可能会吸引相同的用户。当用户点击一个产品时，我们可以使用它来给用户提供与其他非常相似的产品的链接。

或者，如果用户购买产品，我们可以稍后通过电子邮件向用户发送类似产品的广告。产品相似性在我们对特定用户还不太了解的情况下尤其有用。我们可以推荐类似的产品，即使用户还没有输入任何自己的产品评论。我们也可以使用推荐系统来判断两个不同的用户是否相似。如果两个用户对产品有类似的偏好，我们可以假设他们有相似的兴趣。