10、推荐系统与分类算法深度解析

推荐系统与分类算法深度解析

1. 基于奇异值分解的模型推荐

在推荐系统中，基于奇异值分解（SVD）的模型推荐是一种强大的方法。以用户对电影的评分数据为例，我们可以利用SVD来进行电影推荐。

假设我们有一个用户对电影的评分矩阵，通过SVD可以将这个矩阵分解为三个矩阵，从而揭示出数据中的潜在模式。在实际应用中，我们不仅可以为用户推荐电影，还能为特定电影找到合适的推荐用户。

例如，假设我们是卢卡斯影业，正在推广新的《星球大战：第一部——幽灵的威胁（1999）》。我们可以通过以下步骤找到适合推荐这部电影的用户：
1. 确认电影信息 ：通过 items_full[str(2628)].get_data() 确认物品ID 2628对应的就是我们要推荐的《星球大战》电影。

> items_full[str(2628)].get_data()
{'Genres': 'Action|Adventure|Fantasy|Sci-Fi\n',
 'Title': 'Star Wars: Episode I - The Phantom Menace (1999)'}

2. 进行用户推荐 ：调用 svd.recommend() 函数，传入电影ID 2628，并设置 only_unknowns=True ，得到推荐的用户ID和预测评分。