R:从推荐实验室包中获取客户购买前N个商品的概率

Question

我正在使用R中的recommenderlab包中的基于用户的协作过滤来向用户推荐top-N项。我使用二进制用户-物品矩阵作为输入(从购买历史创建)。

是否有可能获得客户将购买前N个商品的概率，而不是只获得前N个商品的概率？

dB是我的用户项矩阵，我使用的是下一个代码：

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caret包的predict方法中，你只需要指定type="prob"，所以我在recommenderlab包中寻找类似的东西。我试着把type="ratings"放进去，但是我得到了同样的结果。

Answer 1

标准推荐算法预测评级(即得分)，但不能预测购买概率。这个想法是，具有最高评级(得分)的商品是最理想的商品，因此很可能是下一次购买(可能具有最高的购买概率)，但这不能直接给出概率。