如何使用python的scikit-learn创建推荐模型

Question

这些天我正在使用python的pandas和scikit-learn库学习统计学习，它们对我来说是非常棒的工具。

当然，我可以学习分类、回归和聚类的方法。

但是，当我想要建立一个推荐模型时，我找不到如何开始使用它们的方法。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、回归或其他什么？

事实上，当有人必须解决这个问题时，我可以发现有一些非常著名的算法，比如协同过滤。

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？

问候

Answer 1

Scikit-learn不提供任何推荐系统工具。你可以看看mahout，它提供了非常容易启动的命题或spark。

然而，在机器学习中推荐本身就是一个问题。例如，如果你试图预测用户对一部电影的评分，它可以是回归，或者如果你想知道用户是否喜欢这部电影，它可以是回归(二元选择)。重要的是，推荐使用的是专门针对这个问题的工具和算法，比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，你自己实现一个小小的推荐引擎可能是最好的。

我建议你读这本书，这本书很好地介绍了推荐概念

Answer 2

Crab怎么样，它是一个https://github.com/python-recsys/crab框架，用于构建与科学Python包(numpy，scipy，matplotlib)集成的推荐引擎。

我没有使用过这个框架，只是找到了它。而且似乎只有0.1版，而Crab已经多年没有更新过了。因此，我怀疑它是否有很好的记录。无论如何，如果您决定尝试Crab，请在此之后给我们反馈：)