推荐系统的分类模型？

Question

我有一些数据供不同的客户选择一个'n‘产品或没有产品。我对每个客户都有一些有用的特性。我可以用这些数据建立一个多类分类问题，并使用一个分类模型(例如随机森林)来学习数据。然后，该模型将输出以下类别之一：

0，1，2.，n

其中1，2，.，n是第1，2等产品，0是当客户选择不购买任何东西时。我想把这个模型作为一个推荐系统，也就是说，当一个新客户(连同所有其他功能)出现时，我知道他会更有可能购买哪种n种产品。

问题是:在上面的设置中，当模型为新客户输出“0”时，我不知道该做什么。在这种情况下，即新客户不可能购买任何产品时，我应该采取什么行动？还是我应该用其他方式来描述分类问题呢？难道我们根本不应该把这个问题描述成分类问题吗？

Answer 1

一种选择可以是对输出的建模略有不同。在没有乘积的情况下，不返回乘积1、2、.、n或0的类型，也许您可以返回对的列表( (product, probability) )，如果最大的概率是对应于0的概率，即“没有乘积”，您只需要推荐第二个最好的。

这种方法的一个优点是，您可以推荐多个产品，可能是前3名，或者是概率高于特定阈值的产品列表，等等。

如果客户是新来的，并且没有您可以根据的信息，也许您可以向类似的客户推荐您将提供的产品(如果您可以以任何方式将客户聚集在一起)或简单地推荐最畅销的产品。

Answer 2

我以前遇到过这个问题，我所做的就是利用这个机会向客户提供一个随机的产品。从字面上说，做一个随机的选择，让这是一个推荐给客户。

为什么要这么做？因为您的客户拥有一个新的/唯一的“配置文件”，这使他们成为一个值得学习的宝贵数据点。所以继续向他们展示一份随机的物品列表，看看到底是什么。在数据库中将这些客户记录标记为特殊记录，然后立即将它们反馈到算法中以供将来的建议使用。这些数据在你的强化学习周期中非常有价值(你在做强化，不是吗？)可以帮助你的算法随着时间的推移变得更聪明。