Accueil Finances personnelles Des bases des filtres collaboratifs basés sur l'utilisateur dans l'analyse prédictive - mannequins

Des bases des filtres collaboratifs basés sur l'utilisateur dans l'analyse prédictive - mannequins

Vidéo: Top 15 Advanced Excel 2016 Tips and Tricks 2025

Vidéo: Top 15 Advanced Excel 2016 Tips and Tricks 2025
Anonim

Avec une approche basée sur l'utilisateur pour le filtrage collaboratif en analyse prédictive, le système peut calculer la similarité entre les paires d'utilisateurs en utilisant la formule de similarité cosinus. Habituellement, ces calculs prennent plus de temps à faire, et peuvent nécessiter d'être calculés plus souvent que ceux utilisés dans l'approche par items. C'est parce que

  • vous auriez beaucoup plus d'utilisateurs que d'éléments (idéalement de toute façon).

  • Vous vous attendez à ce que les éléments changent moins fréquemment que les utilisateurs.

  • Avec plus d'utilisateurs et moins de changements dans les articles proposés, vous pouvez utiliser beaucoup plus d'attributs que simplement acheter l'historique pour calculer la similarité des utilisateurs.

Un système basé sur l'utilisateur peut également utiliser des algorithmes d'apprentissage automatique pour regrouper tous les utilisateurs qui ont montré qu'ils ont les mêmes goûts. Le système crée des quartiers d'utilisateurs ayant des profils, des modèles d'achat ou des modèles d'évaluation similaires. Si une personne dans un quartier achète et aime un article, le système de recommandation peut recommander cet article à tout le monde dans le voisinage.

Comme pour le filtrage collaboratif basé sur des articles, l'approche basée sur l'utilisateur nécessite des données suffisantes sur chaque utilisateur pour être efficace. Avant que le système puisse faire des recommandations, il doit créer un profil d'utilisateur - ainsi, il doit également créer un compte et être connecté (ou stocker des informations de session dans le navigateur via des cookies) tout en consultant un site Web.

Initialement, le système peut demander explicitement à l'utilisateur de créer un profil, étoffer le profil en posant des questions, puis optimiser ses suggestions après l'accumulation des données d'achat de l'utilisateur.

Netflix est un exemple de construction rapide d'un profil pour chaque client. Voici la procédure générale:

  1. Netflix invite ses clients à configurer les files d'attente des films qu'ils souhaitent regarder.

  2. Les films choisis sont analysés pour connaître les goûts du client dans les films.

  3. Le modèle prédictif recommande davantage de films que le client doit regarder, en fonction des films déjà dans la file d'attente.

Un exemple de matrice de clients et de leurs articles achetés - est un exemple de filtrage collaboratif basé sur l'utilisateur. Pour simplifier, utilisez une règle selon laquelle un voisinage utilisateur est créé à partir d'utilisateurs ayant acheté au moins deux éléments en commun.

Client Article 1 Article 2 Article 3 Article 4 Article 5 Article 6
A - N1 X X > X B - N1
X X C - N2
X X D - N2
X X X > E - N1 X
X F - N1 X
X X X G - N1 X
X > H - N3 X I - N3
X Il y a trois voisinages d'utilisateurs formés: N1, N2 et N3.Chaque utilisateur des quartiers N1 et N2 a acheté au moins deux articles en commun avec quelqu'un d'autre dans le même quartier. N3 sont des utilisateurs qui n'ont pas encore satisfait aux critères et ne recevront aucune recommandation tant qu'ils n'auront pas acheté d'autres articles répondant aux critères.
Voici un exemple d'utilisation de ce système de recommandation: Hors ligne

via une campagne de marketing par e-mail ou si l'utilisateur est connecté au site. Le système peut envoyer des annonces marketing ou faire des recommandations sur le site Web comme suit:

Article 3 au client B

Article 4 au client C Article 1 au client E

  • Article 3 au client F

  • Article 2 au client G

  • Indéterminé article aux clients A et D

  • Idéalement, vous devriez avoir beaucoup plus d'articles que six. Et il devrait toujours y avoir des articles dans le voisinage d'un client que le client n'a pas encore acheté.

  • Article indéterminé pour les clients H et I

  • Dans ce cas, les données sont insuffisantes pour servir de base à une recommandation.

    Une différence très importante est que puisque chaque client appartient à un groupe, tout achat futur effectué par un membre sera recommandé aux autres membres du groupe jusqu'à ce que le filtre soit recyclé. Donc, les clients A et D vont commencer à recevoir des recommandations très rapidement puisqu'ils appartiennent déjà à un quartier et les autres voisins achèteront sûrement quelque chose bientôt.

  • Par exemple: si le client B achète l'article 6, le système recommandant recommandera l'article 6 à tout le monde dans N1 (client A, B, E, F et G).

    Le client F peut potentiellement appartenir au voisinage N1 ou N2 en fonction de la mise en œuvre de l'algorithme de filtrage collaboratif.

Les clients H et I fournissent des exemples du problème de démarrage à froid

:

Le client n'a tout simplement pas généré suffisamment de données pour être regroupé dans un voisinage utilisateur. En l'absence d'un profil d'utilisateur, un nouveau client avec très peu ou pas d'historique d'achat - ou qui n'achète que des articles obscurs - posera toujours le problème du démarrage à froid au système, quelle que soit l'approche de filtrage collaboratif utilisée.

Le client I illustre un aspect du problème de démarrage à froid unique à l'approche utilisateur. L'approche par article commencerait à trouver d'autres articles similaires à l'article que le client a acheté; ensuite, si d'autres utilisateurs commencent à acheter l'article 6, le système peut commencer à faire des recommandations. Aucun autre achat ne doit être effectué par l'utilisateur; l'approche par article peut commencer à recommander. Dans un système basé sur l'utilisateur, cependant, le client I doit faire des achats supplémentaires pour appartenir à un voisinage d'utilisateurs; le système ne peut pas encore faire de recommandations. D'accord, il y a une hypothèse à l'œuvre dans ces exemples simples - à savoir que le client n'a pas seulement acheté l'article mais l'a aimé suffisamment pour faire des achats similaires. Que faire si le client n'a pas aimé l'article? Le système doit, au minimum, produire une meilleure précision dans ses recommandations.

Vous pouvez ajouter un critère au système de recommandation pour regrouper les personnes qui ont attribué des notes similaires aux éléments achetés.Si le système trouve des clients qui aiment et n'aiment pas les mêmes éléments, l'hypothèse de haute précision est valide. En d'autres termes, il y a une forte probabilité que les clients partagent les mêmes goûts.

Des bases des filtres collaboratifs basés sur l'utilisateur dans l'analyse prédictive - mannequins

Le choix des éditeurs

Comment gérer votre temps pour le test GED Science - les mannequins

Comment gérer votre temps pour le test GED Science - les mannequins

Le test GED Science a environ 50 questions (le nombre exact varie d'un test à l'autre) auxquelles vous devez répondre en 90 minutes, ce qui signifie que vous avez environ 90 secondes pour lire chaque passage textuel ou visuel et les questions correspondantes et déterminer la bonne réponse. Si un passage a plus d'une question, vous ...

Comment décrire un ensemble de données statistiquement pour le test GED Science - mannequins

Comment décrire un ensemble de données statistiquement pour le test GED Science - mannequins

Le Le test GED Science posera des questions liées aux statistiques descriptives. Vous pouvez souvent résumer une collection de données (à partir d'une expérience, d'observations ou d'enquêtes, par exemple) en utilisant des statistiques descriptives, des chiffres utilisés pour résumer et analyser les données et en tirer des conclusions. Les statistiques descriptives pour une collection de données sont les suivantes: Fréquence: ...

Comment prédire un résultat sur la base des données ou des preuves du test scientifique GED

Comment prédire un résultat sur la base des données ou des preuves du test scientifique GED

Utiliser des preuves pour prédire les résultats est une compétence nécessaire pour le test GED Science. Les plus grands avantages des études scientifiques peuvent souvent être attribués au fait que leurs conclusions permettent aux gens de prédire les résultats. (Vous souhaiterez probablement que la science puisse vous aider à prédire vos résultats au test!) Vous êtes témoin de la science en action tous les jours ...

Le choix des éditeurs

Mettez les contrats en place pour vous protéger et protéger votre maman Écrivains de blog - parités

Mettez les contrats en place pour vous protéger et protéger votre maman Écrivains de blog - parités

Le temps et l'argent pour créer des accords légaux avec tous vos auteurs. Traitez votre entreprise comme une véritable entreprise. Trouver un bon avocat qui se spécialise dans le droit d'auteur et le droit des contrats pour vous aider à naviguer dans ces eaux légales. La loi sur le droit d'auteur est étrange et délicate, et défie souvent le bon sens. Voici les plus importants ...

Sélectionnez une plate-forme de blog - hébergée ou hébergée - des nuls

Sélectionnez une plate-forme de blog - hébergée ou hébergée - des nuls

Si vous démarrez un blog à partir de zéro, vous devez choisir une plate-forme de blog avant de pouvoir commencer à travailler sur la conception de votre blog. Le choix d'une plateforme de blog n'est pas une décision facile, car les plateformes de blogs ont plusieurs goûts différents. Une liste des plates-formes les plus couramment utilisées est incluse dans le tableau pour vous ...

Communiquer avec d'autres blogueurs pour promouvoir votre blogue - Les mannequins

Communiquer avec d'autres blogueurs pour promouvoir votre blogue - Les mannequins

N'oublient pas que les autres blogueurs peut être votre public principal. Ces gens sont en ligne et connaissent déjà les blogs, et vous êtes susceptible de trouver d'autres blogueurs avec qui vous avez beaucoup en commun. Rencontrer des blogueurs en personne et communiquer avec eux en ligne sont des moyens formidables de réseauter et de commercialiser votre blog. Les blogueurs sont bien ...

Le choix des éditeurs

En déployant suffisamment d'efforts pour bâtir l'estime de soi - des nuls

En déployant suffisamment d'efforts pour bâtir l'estime de soi - des nuls

Construisent une estime de soi saine. Les buts qui valent la peine d'être atteints exigent beaucoup de dévouement et de travail acharné, et abandonner est trop facile quand les choses se compliquent. Continuez à faire des efforts en vous rappelant de tenir ces types d'attitudes motivationnelles: je peux supporter la douleur et l'inconfort qui accompagnent le travail acharné. Il peut ...

Expliquant ce qui se passe lors d'une séance d'hypnothérapie - mannequins

Expliquant ce qui se passe lors d'une séance d'hypnothérapie - mannequins

Brièvement, voici les étapes d'une séance d'hypnothérapie typique . Cependant, gardez à l'esprit qu'une session «typique» varie beaucoup selon l'hypnothérapeute et le patient. Vous vous familiarisez avec votre hypnothérapeute. Votre hypnothérapeute rassemble des informations sur vous (principalement complétées lors de la session initiale). La transe est induite. La transe est approfondie. La réalité ...

Examinant les avantages et les inconvénients de la colère - les nuls

Examinant les avantages et les inconvénients de la colère - les nuls

La colère, comme toute autre chose, n'est pas bonne ou tout mauvais: il a beaucoup de pour et de contre. Les sections suivantes expliquent celles pour vous, afin que vous obteniez une image claire de la colère et de l'effet qu'elle peut avoir sur votre vie. Regarder les points positifs de la colère La colère peut être une émotion très pénible ...