推荐新产品使用k-表示集群？

Question

我试图找出最好的方法，根据以往的分类推荐图片，使用k均值聚类。我所做的是映射一组图像的RGB值，对这些RGB值执行k均值聚类分析，并在每个图像上附加一个“评级”。这就产生了Voronoi细胞类似于这个图。我已经将集群中心和评级存储在我的“培训集”中。

下一步是拍摄一个新的图像，并根据以前的图像集进行推荐。我不知道该怎么做。我想要实现协作过滤过程吗？还是需要对数据执行更多的处理？

不确定这是否重要，但我在项目中使用Apache。谢谢!

编辑:协同过滤可能不是最好的方式进行，因为正在比较的功能，为产品使用的不仅仅是评级。我需要比较一下相似之处。我猜这会牵涉到大规模的矩阵运算？

Edit2:这里的一些反馈是很棒的。我想的是训练两个数据集(“是”图像和“否”图像的评分)，然后使用Spark的computeCost函数来开发图像比较的方差/偏差值。最后一步将比较图像是否更类似于“是”数据集或“否”数据集，然后提出最终建议。我刚开始机器学习，所以我可能会想太多了。

Answer 1

我想用我的最后解决方案来回答我自己的问题。我意识到，虽然我可以从RGB值的k均值聚类中获得一些部分有意义的数据，但问题是推荐不是基于图像的有意义的特征。它在未来可能对其他方面(如照明或“亮度”)有用。

最后的解决方案是使用EigenFaces进行图像学习。下面这篇文章对我理解基本知识和开始学习是最有帮助的：

https://chimpler.wordpress.com/2013/04/17/generating-eigenfaces-with-mahout-svd-to-recognize-person-faces/