简单的推荐算法

最新推荐文章于 2024-12-12 03:18:56 发布
原创 最新推荐文章于 2024-12-12 03:18:56 发布 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

通过分析用户的购买记录，找出用户购买某一商品时同时购买的其他商品，利用这些信息为相似用户提供商品推荐。
部署运行你感兴趣的模型镜像
兴例来说就是用户买了一件物品，除了这个物品外还买了哪些物品 ，可以对类似的用户做推荐。如下有一组数据结构：

           Ｘ1       Ｙ1

           Ｘ2       Ｙ2

           Ｘ3       Ｙ3

           Ｘ1        Ｙ4

           Ｘ5        Ｙ5

          Ｘ表示用户，Ｙ表示用户所买的物品

         首先可以做一次JOIN关联：（对数据自己本身做一关联JOIN操作）

         Ｘ1         Ｙ1        Ｘ1        Ｙ1

        Ｘ1          Ｙ1        Ｘ1        Ｙ4

        Ｘ2          Ｙ2        Ｘ2        Ｙ2

        Ｘ3          Ｙ3        Ｘ3        Ｙ3

        Ｘ5          Ｙ5        Ｘ5        Ｙ5

然后我们只保留两列Ｙ

对Ｙ做group和count操作就能获得物品和物品之间的关系了，就可以根据排行推荐给用户了

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

Simple Algorithm for Recommendation（SAR简单推荐算法）.xmind
03-14
SAR推荐算法思维导图，自己汉化的，里面讲解了最简单的矩阵分解算法和时间加权的原理。SAR是一种快速、可伸缩、自适应的基于用户事务历史的个性化推荐算法。 它的动力是了解项目之间的相似性，并推荐类似的项目与用户现有的亲和力。
简易推荐算法
ZPeng_Yan的博客
05-19 1万+
推荐算法： ​ 推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络，其中淘宝做的比较好。 发展背景： ​ 推荐算法的研究起源于20世纪90年代，由美国明尼苏达大学 GroupLens研究小组最先开始研究，他们想要制作一个名为 Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。首先研究小组让用户对自己看过的电影进行评分，然后小组对用户评价的结果进行分析，并预测出用户对并未看过的电影的兴趣度，从而向他们推荐从未看过并可能感
Slope one:简单高效的推荐算法
半道出家的和尚
01-03 1558
 推荐系统最早在亚马逊的网站上应用，根据以往用户的购买行为，推荐出购买某种产品同时可能购买的其他产品，国内做的不错的当当网,有时候买书，它总能给我推荐出我感兴趣的其他书来，也算是技术极大的促进了销售。一般的协同过滤算法，首先是收集用户对事物（产品）的评分情况，一种直接对某本书，或者某个歌曲打分，另种是隐性的打分，比如商务系统中，购买了表示打2分，浏览了打1分，其他的0分。我比较看好隐性打分
推荐算法简单实现
一光年
05-08 2646
# -*- coding: utf-8 -*-import random # 一个用户的标签行为一般由一个三元组组成<用户,物品,标签>(<u,i,b>)即用户u给物品i打上了b标签。 # 一个简单的基于标签的推荐系统可以通过如下步骤实现： # 1.统计每个用户最常用标签； # 2.对于每个标签,统计被打过这个标签次数最多的物品； # 3.对于一个用户,找到他常用的标签,从而找到具有这些标签的热门物
推荐算法的简单认识
jiawenguo123的博客
08-16 1140
发掘长尾，推荐相对关注度低的东西 基于流行度的算法-简单粗暴，根据pv，uv热度来推荐 协同过滤算法 1) 基于用户 - 根据用户对物品的打分情况找出相似度高的用户，推荐评价高却没有被发现的物品。用户相似度读使用cos算余璇，夹角越小越相似。 1) 基于物品 很多人喜欢物品A, 这些人中相当多的人又很喜欢物品B，那么A和B的相似度高。这样，浏览过A的用户，如果他没浏览过B，可以推荐B...
精选资源
Mahout推荐算法API详解
01-30
用Mahout来构建推荐系统，是一件既简单又困难的事情。简单是因为Mahout完整地封装了“协同过滤”算法，并实现了并行化，提供非常简单的API接口；困难是因为我们不了解算法细节，很难去根据业务的场景进行算法配置和...
推荐算法协同过滤php,常用推荐算法介绍——协同过滤推荐算法
weixin_42362048的博客
03-11 1239
1. 基本概念协同过滤推荐方法的主要思想是，利用已有用户群过去的行为或意见预测当前用户最可能喜欢哪些东西或对哪些东西感兴趣。纯粹的协同方法的输入数据只有给定的用户-物品评分矩阵，输出数据一般有以下几种类型：(1)表示当前用户对物品喜欢或不喜欢程度的预测数值；(2)n项推荐物品的列表。用户行为的统一表示：user id产生行为的用户的唯一标识item id产生行为的对象的唯一标识behavior t...
常用推荐算法综述
qq_43431934的博客
12-14 1637
　　随着大数据和机器学习的火热，推荐系统也将愈发成熟，需要学习的地方还有很多，坑还有很深，希望有志的同学共勉~
详解个性化推荐五大最常用算法，算法数据结构
04-07
聚类是两种算法都极其简单，适用于小型系统。在这两种方法中，我们把推荐问题当做一个有监督机器学习任务来解决。聚类将是最好的方法，因为这种方法的本质是识别用户组，并对这个组内的用户推荐相同的内容。 深度...
基于Mahout实现协同过滤推荐算法的电影推荐系统源码（毕业设计）
09-15
基于Mahout实现协同过滤推荐算法的电影推荐系统源码（毕业设计），含有代码注释，新手也可看懂。毕业设计、期末大作业、课程设计、高分必看，下载下来，简单部署，就可以使用。该项目可以作为毕设、课程设计期末大...
零基础科普：4种简单推荐算法背后的原理
大数据
05-31 1544
导读：大数据平台只是提供了数据获取、存储、计算、应用的技术方案，真正挖掘这些数据之间的关系让数据发挥价值的是各种机器学习算法。在这些算法中，最常见的当属智能推荐算法了。下面通过几种简单的推...
推荐算法的介绍+简单例子
qq_45618388的博客
05-12 5717
推荐算法介绍 推荐算法： ​ 推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络，其中淘宝做的比较好。 发展背景： ​ 推荐算法的研究起源于20世纪90年代，由美国明尼苏达大学 GroupLens研究小组最先开始研究，他们想要制作一个名为 Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。首先研究小组让用户对自己看过的电影进行评分，然后小组对用户评价的结果进行分析，并预测出用户对并未看过的电影的兴趣度，从而向他们推荐从
常用的推荐算法
m0_54187478的博客
03-11 4015
推荐系统在帮助用户发现可能感兴趣的产品、服务或信息方面发挥着重要作用。
【推荐算法入门】推荐系统之推荐算法概述
热门推荐
qq_32742009的博客
09-23 3万+
1. 什么是推荐算法 推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大的用武之地。 最开始，所以我们在网上找资料，都是进yahoo，然后分门别类的点进去，找到你想要的东西，这是一个人工过程，到后来，我们用google，直接搜索自己需要的内容，这些都可以比较精准的找到你想要的东西，但是，如果我自己都不知道...
大数据-------推荐系统简易流程与算法使用
jinyusheng_1991的博客
09-02 6634
1.推荐系统是一个非常复杂的系统，需要很多子模块、多子系统之间协同完成，但是其系统原理精髓是猜出用户喜欢来完善系统的推荐功能、提高用户对该软件的依赖性，也可以提高广告的接受率（相关广告的定点推送，比如你是搞it的，可以对你推荐各种型号的假发）。 2.那么怎样计算用户的喜好？ 通过收集用户的所有行为信息（网站浏览信息、关注信息、收藏信息、评论信息、转发信息、订单信息、支付信息、外部信息），一般通...
推荐系统的常用算法原理和实现
杏树林
04-11 2万+
推荐系统的出现推荐系统的任务就是解决，当用户无法准确描述自己的需求时，搜索引擎的筛选效果不佳的问题。联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对他感兴趣的人群中，从而实现信息提供商与用户的双赢。推荐算法介绍基于人口统计学的推荐这是最为简单的一种推荐算法，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。系统首先会根据
实时推荐技术的实现与优化
最新发布
AI天才研究院
12-12 663
实时推荐技术的实现与优化 关键词：实时推荐、推荐系统、深度学习、协同过滤、用户兴趣建模、内容特征提取、系统性能优化。 摘要：本文深入探讨了实时推荐技术的实现与优化。从理论基础出发
四种简单推荐算法背后的原理
程序员五哥
06-04 984
四种简单推荐算法背后的原理 1. 基于人口统计的推荐 根据用户基本信息、用户收入、居住地区、学历、职业等各种因素进行分类，将商品推荐给同类用户。 比如：用户甲和用户乙的年龄相近、性别相同，可将他们划分为同类。用户甲喜欢商品A，推测用户乙也可能喜欢，系统就将商品A推荐给用户乙。 2. 基于商品属性的推荐 根据商品属性分类，然后根据商品分类进行推荐。 比如：电影A和电影B都是科幻、战争类型的，若用户甲喜欢电影A，推测他也可能喜欢电影B，系统就将电影B推荐给他。 3. 基于用户的协同过滤推荐 根据用户的喜好对用户
java 推荐算法-协同过滤推荐算法
yuanchengfu0910的博客
05-31 7890
协同过滤（Collaborative Filtering）是一种常用的推荐算法，通过分析用户的历史行为数据，找出与当前用户兴趣相似的其他用户或物品，然后将这些相似用户或物品的推荐结果作为给用户的推荐。协同过滤推荐算法主要分为两种类型：基于用户的协同过滤（User-Based Collaborative Filtering）和基于物品的协同过滤（Item-Based Collaborative Filtering）。
天猫推荐算法竞赛：快速上手与最热门推荐
为了帮助新手快速入门，文中给出了一个简单的最热门推荐算法示例，即计算最常被购买的TOP-N品牌，并将其推荐给所有用户。" 在这个竞赛中，天猫的目标是通过推荐算法优化用户体验，提高购物转化率。推荐系统的关键...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值