R：获得客户从推荐组件中购买前N项的概率

Question

我正在使用R中recommenderlab个包的基于用户的协同过滤来向用户推荐前N个项目。我使用二进制用户项矩阵作为输入（从购买历史创建）。

是否有可能获得客户为每个前N项购买商品的概率，而不仅仅是获得前N项？

dB是我的用户项矩阵，我正在使用下一个代码：

r <- as(dB, "binaryRatingMatrix")
rTrain <- r[1:874, ]
rTest <- r[875, ]

rr <- Recommender(rTrain, method = "UBCF", 
                   parameter = list(method = "Jaccard", nn = 50))

rrP <- predict(rr, rTest, n = 500, type = "topNList")
predCF <- as(rrP, "list")

在predict包中的caret方法中，您只需指定type="prob"，因此我在recommenderlab包中寻找类似的内容。我尝试了type="ratings"，但我得到了相同的结果。

Answer 1

标准推荐算法预测评级（分数），但不是购买概率。这个想法是具有最高评级（得分）的项目是最理想的项目，因此可能是下次购买（可能具有最高的购买概率），但这并不直接给出概率。