Question

当我想向当前客户推荐一些商品时，我会尝试了解如何使用PHP-ML。

我的数据集（数字只是行数）：

产品1与产品2一起购买
产品1与产品2一起购买
产品1与产品3一起购买
产品1与产品2一起购买
产品2与产品4一起购买
产品Y ..与产品X一起购买..

作为我在过去的产品1中购买的顾客。所以通常我会在我的推荐盒产品2中预期，因为3个人与产品1一起购买了它。

我想我需要一些回归算法，它给出了产品X和产品Y之间的一些相关值。

我想过线性SVR algorythm，但我不知道如何训练它？

// Step 1: Load the Dataset
// Step 2: Prepare the Dataset
// Step 3: Generate the training/testing Dataset
$samples = [[1,2], [1,2], [1,3], [1,2], [2,4], [X,Y..]];
$targets = [?, ?, ? , ? , ? , ?];

$regression = new LeastSquares();
// Step 4: Train the classifier
$regression->train($samples, $targets);


echo $regression->predict([1,2]);

在我看来，我应该得到一些像0.25的价值 - ＆gt;购买产品1的客户中有25％也购买了产品2.然后我可以订购我的预测并在我的推荐框中订购。我的主要问题是，我应该用什么火车？我明白完全错了吗？

谢谢

Answer 1

首先，您不需要线性回归，如果您需要you would have to convert the categorical data in order to do a numeric prediction。通常，您将使用虚拟变量，这意味着您的表将转换为：

| Product A | Product B |
|-----------|-----------|
|         1 |         2 |
|         1 |         2 |
|         1 |         3 |
|         1 |         2 |
|         2 |         4 |

类似于：

| Product 1  | Product 2 | Product 3 | Product 4 |
|------------|-----------|-----------|-----------|
|          1 |         1 |         0 |         0 |
|          1 |         1 |         0 |         0 |
|          1 |         0 |         1 |         0 |
|          1 |         1 |         0 |         0 |
|          0 |         1 |         0 |         1 |

有关详细信息，请参阅https://datascience.stackexchange.com/questions/28306/transform-categorical-variables-into-numerical。遗憾的是，我认为PHP-ML此时并不支持分类数据编码。如果你没有转换您可能获得的分类数据可能是1.6作为预测，但这并不代表任何有用的东西。

但是在PHP-ML中有一种更简单的方法。您可以使用Apriori关联器。这样可以了解哪些关联更频繁并预测它们。在下文中，您可以看到实际操作。

use Phpml\Association\Apriori;

$samples = [[1,2], [1,2], [1,3], [1,2], [2,4]];
$labels  = [];


$associator = new Apriori($support = 0.5, $confidence = 0.5);
$associator->train($samples, $labels);

var_export($associator->predict([1]));
// outputs  [[ 2 ]];  The right prediction!

此外，在机器学习中工作有助于将数据分成所谓的培训和测试集。这样你就可以直接测试你的ML模型。 It is also implemented in PHP-ML

使用PHP-ML和回归的推荐引擎

1 个答案: