Question

我在一个需要提供一组没有特定订单的选项的网站上工作。我需要根据查看列表的客户对此列表进行排序。我想通过生成推荐规则并对列表进行排序来做到这一点，最适合客户喜欢的列表。此外，我认为如果对推荐的信心很高，我会很高兴，我可以告诉客户为什么我推荐这个。

例如，假设我们有一个冰淇淋联合会，其网站上的客户可以在线注册和订购。客户信息包含性别，DOB，地址等基本信息。我的目标是挖掘客户以前的订单，以生成格式为

的规则

  feature -> flavor

其中，功能可以是个人资料中的信息，也可以是订单本身（例如，我们可能会询问您期望服务的人数，年龄等）。然后，我会提出适用于当前客户的规则，并将更有信心的规则放在列表顶部。

我的问题是，解决此问题的最佳标准算法是什么？我有一些apriori的经验，最初我想过使用它，但因为我只对1个结果感兴趣，我现在想，也许其他选择可能更适合。但无论如何我对机器学习知之甚少，所以我很感激任何帮助和参考。

Answer 1

这是推荐问题。

首先，apriori算法不再是推荐系统的最新技术。（相关讨论在这里：Using the apriori algorithm for recommendations）。

查看以下书籍挖掘海量数据集的第9章推荐系统。这是一个很好的教程。

基本上，您有两种不同的方法：基于内容和协作过滤。后者可以基于项目或基于用户的方法来完成。还有一些方法可以将这些方法结合起来以获得更好的建议。

可能有用的一些进一步阅读：

一些相关的stackoverflow主题：