冬季实战营第五期学习报告3:推荐系统入门之使用协同过滤实现商品推荐

简介
本场景将使用机器学习PAI平台,指导您搭建一个基于协同过滤算法的商品推荐系统。

背景知识
数据挖掘的一个经典案例就是尿布与啤酒的例子。尿布与啤酒看似毫不相关的两种产品,但是当超市将两种产品放到相邻货架销售的时候,会大大提高两者销量。很多时候看似不相关的两种产品,却会存在这某种神秘的隐含关系,获取这种关系将会对提高销售额起到推动作用,然而有时这种关联是很难通过经验分析得到的。这时候我们需要借助数据挖掘中的常见算法-协同过滤来实现。这种算法可以帮助我们挖掘人与人以及商品与商品的关联关系。

协同过滤算法是一种基于关联规则的算法。以购物行为为例,如果用户甲和用户乙都购买了商品A和商品B,则可以假定用户甲和用户乙的购物品味相似。当用户甲购买了商品C,而用户乙未购买时,可以将商品C推荐给用户乙,这就是经典的User-Based,即以User的特性为关联。

体验过程

  1. 开通机器学习PAI服务
  2. 创建PAI Studio项目
  3. 创建实验
  4. 查看实验数据
  5. 运行实验
  6. 查看实验结果

收获
通过该场景,学会了使用机器学习PAI平台搭建一个基于协同过滤算法的商品推荐系统。

上一篇:jQuery Mobile页面返回无需重新get


下一篇:什么样的网站才能让搜索引擎喜欢?