我现在正在学习统计学习，使用python的pandas和scikit-learn库，它们对我来说都是很棒的工具。
我当然可以学习分类，回归以及与它们聚类的方法。
但是，当我想制作推荐模型时，我找不到如何从它们开始的方式。例如，如果我有一个客户的购买数据集，其中包含日期，产品名称，产品制造商，价格，订购设备等......
推荐的问题类型是什么？分类，回归还是其他什么？
事实上，当有人必须解决这个问题时，我发现有非常着名的算法，如协同过滤。
如果是这样，我可以使用scikit-learn来使用这些算法吗？或者我应该学习另一个M.L库？
此致
答案 0 :(得分：4)
Scikit-learn不提供任何推荐系统工具。您可以查看mahout，它可以很容易地启动命题或spark。
然而，推荐本身就是机器学习中的一个问题。如果您想要知道用户是否会喜欢这部电影（二元选择），那么如果您试图预测用户为电影或分类提供的费率，则可以进行回归。 重要的是推荐使用专用于此问题的工具和算法，如基于项目或基于内容的推荐。这些概念实际上很容易理解和实现自己一点推荐引擎可能是最好的。
我建议您阅读本书mahout in action，这是对推荐概念的一个很好的介绍
答案 1 :(得分：1)
Crab https://github.com/python-recsys/crab怎么样，这是一个Python框架，用于构建与科学Python包（numpy，scipy，matplotlib）世界集成的推荐引擎。
我没有使用过这个框架，只是发现了它。而且似乎只有0.1版本，而Crab已经多年没有更新。所以我怀疑它是否有详细记录。无论如何，如果您决定尝试Crab，请在此之后给我们反馈：）