我能用什么ML算法为玩家建立一个“推荐”列表？

Question

我们在当地的购物中心有一个大的触摸屏亭，人们可以去那里玩不同类别的游戏。我们希望实现ML来为每个玩家建立一个推荐的游戏列表。现在，让我们假设有5个不同的游戏在每一个类别和游戏可以在任何时候可用或不可用。另外，还有一张桌子，里面有一张每场比赛的日志和一张所有游戏的表。

理想情况下，我们希望传递两个不同的数据集；例如:一个包含任何必要数据的过去30天所有游戏的列表，以及所有当前可用游戏的列表，以便使用必要的“可关联”数据。在此基础上，我们将根据所有这些数据为每位玩家提供一份前十名推荐游戏的列表。将有更多的数据，不仅仅是游戏的类别，以联系到玩家/人，但我想得到一个简单的演示工作首先。

我猜我需要研究一下某种推荐系统，但我不确定哪一种最适合尝试。目前，我们正在考虑使用Python；AWS的ML工具太昂贵了。我愿意就其他语文/工具提出建议。

Answer 1

在进入机器学习解决方案之前，最好多考虑一下您正在解决的问题。如果只有20个游戏，而其中一些在任何时候都不可用，那么一个布局良好的菜单和良好的导航是优于推荐系统。只有当人们不能充分解析所有可用选项时，推荐系统才是合适的。

如果你真的想要个性化的推荐，你甚至不需要从机器学习模型开始。你可以简单地建议玩家继续玩同样的游戏或最流行的游戏。

如果发现机器学习模型是最好的，我建议使用基于一元数据的关联规则挖掘(这为您提供了购物篮建议:玩游戏A、B和C的人也玩游戏D和E)，或者根据分级数据进行各种协作筛选(这给您一个用户项目偏好空间)。这完全取决于你从用户那里得到的关于他们个人游戏体验的反馈。