基本的市场篮子/推荐分析问题

Question

我有一个关于市场篮子分析/推荐算法的问题。使用Python，我为我爸爸的商店创建了一个非常基本的推荐算法（如果你可以这么叫的话）。基本上，它是把购买商品X和Y的可能性作为购买商品X和其他商品的百分比。（据我所知，这是一个Jaccard Index的想法）我试图模仿像亚马逊这样的大型商店所做的“顾客看了这件商品也买了”的功能。在

我的问题是我不知道如何过滤掉所有的噪音。例如，很多人买香蕉。所以香蕉总是表现出“高可能性”的其他项目，即使它没有一个有趣的方式相关。有没有其他一些基本的统计技术可以过滤出通常购买的商品？我目前的技术减轻了影响，但它仍然存在。在

谢谢！在

Answer 1

你在问Collaborative Filtering。一种方法是训练一个neural network，通常有一个隐藏层¹，输入层和输出层将有一个perceptron在你的商店中的每一个物品。给它提供一个人喜欢的产品，它将导致每个项目的可能性（或分类，取决于你如何训练你的网络）被这个用户喜欢。
然后使用back-propogation algorithm使用现有客户池训练模型

这种方法并不是试图找到一个“与你相似”的人，而是为用户建立一个配置文件，并根据这个配置文件提出建议。在

因为您使用的是python，所以可以使用scikit-learn并使用这些算法的现有实现

更先进的力学也存在，而且总的来说，这一研究领域正在不断发展。Netflix Prize challenge围绕着同一个主题。在

---

（1）隐藏层代表分类-例如食品、工具、书籍。。。但是，算法为你找到一些分类，你只需要告诉你想要多少类别，在网络架构。有多个隐藏层可以表示子类别。在