Accueil Finances personnelles Comment utiliser les filtres collaboratifs basés sur les éléments dans l'analyse prédictive - mannequins

Comment utiliser les filtres collaboratifs basés sur les éléments dans l'analyse prédictive - mannequins

Vidéo: Recommandation et Filtrage Collaboratif - Machine Learning | Matters Meetup | Laurent Morelli 2025

Vidéo: Recommandation et Filtrage Collaboratif - Machine Learning | Matters Meetup | Laurent Morelli 2025
Anonim

L'un des systèmes recommandés par Amazon pour l'analyse prédictive filtrage collaboratif basé sur des articles: distribution d'un vaste inventaire de produits à partir de la base de données de l'entreprise lorsqu'un utilisateur consulte un seul article sur le site Web. Vous savez que vous recherchez un système de filtrage collaboratif basé sur des éléments (ou, souvent, un système basé sur le contenu) s'il affiche des recommandations dès la première vue d'élément, même si vous n'avez pas créé de profil.

On dirait de la magie, mais ce n'est pas le cas. Bien que votre profil n'ait pas encore été créé (parce que vous n'êtes pas connecté ou que vous n'avez pas d'historique de navigation sur ce site), le système prend comme hypothèse: Il base sa recommandation sur l'élément elle-même et ce que d'autres clients ont vu ou acheté après (ou avant) l'achat de cet article. Ainsi, vous verrez un message à l'écran comme

  • Les clients ayant acheté cet article ont également acheté …

  • Les internautes ayant acheté des articles de votre historique ont également acheté …

  • Quels autres objets les clients achètent apres avoir regardé cet article?

En substance, la recommandation est basée sur la similarité de l'élément actuellement consulté avec d'autres éléments, sur la base des actions de la communauté d'utilisateurs.

Voici un exemple de matrice de clients et les articles qu'ils ont achetés. Il servira d'exemple de filtrage collaboratif basé sur des articles.

Client Article 1 Article 2 Article 3 Article 4 Article 5 Article 6
A X > X X B
X X C
X X D
X X X E
X X F
X X X X G
X X H
X > I X
Examinons maintenant la similarité des items calculée en utilisant la formule de similarité des cosinus. La formule pour
similitude de cosinus

est (A & middot; B) / (|| A || || B ||), où A et B sont des items à comparer. Pour lire l'exemple suivant et découvrir à quel point une paire d'éléments est similaire, localisez simplement la cellule où les deux éléments se croisent. Le nombre sera compris entre 0 et 1. Une valeur de 1 signifie que les éléments sont parfaitement similaires; 0 signifie qu'ils ne sont pas similaires.

Point 6

0
0 0 0 0 Point 5 0. 26
0. 29 0. 52 0. 82 0 Elément 4 0. 32
0. 35 0. 32 0. 82 0 élément 3 0. 40
0. 45 0. 32 0. 52 0 Elément 2 0. 67
0. 45 0. 35 0. 29 0 élément 1 0. 67
0. 40 0. 32 0. 26 0 Article 1 Article 2
Article 3 Article 4 Article 5 Article 6 Le système peut fournir une liste de recommandations certaine valeur de similarité ou peut recommander le nombre d'éléments n

supérieur.Dans ce scénario, vous pouvez dire que toute valeur supérieure ou égale à 0. 40 est similaire; le système recommandera ces articles. Par exemple, la similitude entre l'élément 1 et l'élément 2 est 0. 67. La similitude entre l'élément 2 et l'élément 1 est la même. Ainsi, il s'agit d'une image en miroir à travers la diagonale de la partie inférieure gauche à la partie supérieure droite. Vous pouvez également voir que l'élément 6 n'est pas similaire aux autres éléments parce qu'il a une valeur de 0. Cette implémentation d'un système de recommandation basé sur des items est simplifiée pour illustrer son fonctionnement. Pour plus de simplicité, n'utilisez qu'un seul critère pour déterminer la similarité des articles: si l'utilisateur a acheté l'article.

Utilisation de profils créés par les utilisateurs qui représentent leurs goûts

Prise en compte du nombre d'utilisateurs (ou de tarifs élevés) d'un article

  • Pesant le nombre d'articles achetés par l'utilisateur similaire au (x) élément (s) potentiel (s) recommandé (s)

  • Hypothèses sur le fait qu'un utilisateur aime un article en fonction de la simple consultation de l'article, même si aucun achat n'a été effectué.

  • Voici deux façons courantes utilisez ce système de recommandation:

  • Hors ligne via une campagne de marketing par e-mail ou si l'internaute est connecté.

Le système peut envoyer des publicités marketing ou faire des recommandations sur le site:

  • Article 3 au client B

    Recommandé parce que le client B a acheté les articles 1 et 2 et que les deux articles sont similaires à l'article 3.

    • article 4, puis article 2, client C

      recommandé parce que le client C a acheté les articles 3 et 5 L'article 5 est similaire à l'article 4 (valeur de similarité: 0. 82). Le point 2 est similaire au point 3 (valeur de similarité: 0. 45).

    • Article 2 au client D

      Recommandé parce que le client D a acheté les articles 3, 4 et 5. L'article 3 est semblable à l'article 2.

    • Article 1 au client E

      Recommandé parce que le client E a acheté des articles 2 et 3, les deux sont similaires à l'article 1.

    • Article 3 au client F

      Recommandé parce que le client F a acheté les articles 1, 2, 4 et 5. Les articles 1, 2 et 5 sont similaires à l'article 3.

    • Article 2 au client G

      Recommandé parce que le client G a acheté les articles 1 et 3. Ils sont tous deux semblables à l'article 2.

    • Article 2, puis article 3, au client H

      Recommandé parce que le client H acheté Article 1. L'article 1 est similaire aux articles 2 et 3.

    • Article indéterminé pour le client A

      Idéalement, vous devriez avoir beaucoup plus d'articles et d'utilisateurs. De plus, certains articles achetés par un client ressemblent à d'autres articles qu'il n'a pas encore achetés.

    • Article indéterminé pour le client I

      Dans ce cas, les données sont insuffisantes pour servir de base à une recommandation. Ceci est un exemple du problème de démarrage à froid.

    • En ligne via une page vue lorsque l'utilisateur n'est pas connecté.

Comment utiliser les filtres collaboratifs basés sur les éléments dans l'analyse prédictive - mannequins

Le choix des éditeurs

Conventions de dénomination pour Ruby on Rails - mannequins

Conventions de dénomination pour Ruby on Rails - mannequins

Vous utilisez Ruby on Rails pour créer un site Web application ou application de base de données Web, ce qui est très intelligent de votre part. En fonction de ce que vous utilisez (une application, une relation un-à-plusieurs ou une relation plusieurs-à-plusieurs), vous utilisez différentes variantes des protocoles d'attribution de noms Rails, qui sont expliquées dans les sections suivantes. Ruby Naming for ...

En orbite, panoramique et zoom dans la vue 3D de Blender - mannequins

En orbite, panoramique et zoom dans la vue 3D de Blender - mannequins

En essayant de naviguer dans un espace en trois dimensions à travers un écran bidimensionnel comme un écran d'ordinateur, vous ne pouvez pas interagir avec cet espace 3D virtuel exactement comme vous le feriez dans le monde réel, ou espace de vie. La meilleure façon de visualiser le travail en 3D à travers un programme comme Blender est d'imaginer la vue 3D comme vos yeux ...

Déplacement de clips sur la timeline dans Final Cut Pro HD - Ficelles

Déplacement de clips sur la timeline dans Final Cut Pro HD - Ficelles

Final Cut Pro HD Timeline vous permet d'organiser tous vos clips vidéo et audio afin qu'ils racontent l'histoire que vous voulez raconter. Pour comprendre le fonctionnement de la Timeline, imaginez-la comme une page de partitions, mais plutôt que de placer des notes de musique de différentes durées (noires, demi-notes, ...

Le choix des éditeurs

Contrôle et modification de l'associativité des dimensions dans AutoCAD - Dummies

Contrôle et modification de l'associativité des dimensions dans AutoCAD - Dummies

Lorsque vous ajoutez des dimensions en sélectionnant des objets ou en utilisant l'accrochage aux objets Pour sélectionner des points sur les objets, AutoCAD crée normalement des dimensions associatives, qui sont connectées aux objets et se déplacent avec eux. C'est le cas dans les nouveaux dessins créés à l'origine dans toute version d'AutoCAD à partir de 2002. Si vous ...

Copie de styles de cote existants dans AutoCAD 2008 - mannequins

Copie de styles de cote existants dans AutoCAD 2008 - mannequins

Si vous avez la chance de travailler dans un bureau Quelqu'un a mis en place des styles de cotes qui conviennent à votre secteur d'activité et à votre projet. Vous pouvez le copier et ainsi éviter de devoir créer vos propres styles de cote. (Un style de cote - ou dimstyle pour faire court - est une collection de paramètres de dessin appelée dimension ...

En choisissant un style d'édition AutoCAD -

En choisissant un style d'édition AutoCAD -

Dans AutoCAD vous passez généralement plus de temps à éditer que dessiner des objets. C'est en partie parce que le processus de conception et de rédaction est, par nature, sujet à des changements, et aussi parce que AutoCAD vous permet de modifier facilement les objets proprement. AutoCAD propose trois styles d'édition: Commande-première Sélection-première Objet-direct (poignée) AutoCAD fait référence à l'édition de commandes comme verbe-nom ...

Le choix des éditeurs

Praxis Examen d'éducation élémentaire - Présentations orales - mannequins

Praxis Examen d'éducation élémentaire - Présentations orales - mannequins

Parce que les élèves doivent généralement donner des présentations orales en classe , vous rencontrerez probablement une question sur ce sujet dans l'examen Praxis Elementary Education. Plus formelles que les discussions de groupe, les présentations orales ont leurs propres règles pour le conférencier. Lorsque vous donnez une présentation en classe, il y a plusieurs ...

Praxis Examen d'éducation élémentaire - Littérature et texte d'information - mannequins

Praxis Examen d'éducation élémentaire - Littérature et texte d'information - mannequins

L'examen Praxis Elementary Education sur la littérature et le texte d'information, c'est-à-dire la fiction et la non-fiction. Vous devrez donc vous familiariser avec les différents genres d'écriture. La compréhension du texte est un processus qui se produit au fil du temps.

Praxis Examen d'éducation élémentaire - Connaissance phonologique - mannequins

Praxis Examen d'éducation élémentaire - Connaissance phonologique - mannequins

Vous rencontrerez probablement une ou deux questions qui impliquent des questions phonologiques sensibilisation à l'examen Praxis Elementary Education. La conscience phonologique est une compétence large impliquant la reconnaissance de son. Les lecteurs débutants commencent par apprendre les sons individuels, ou phonèmes, dans des mots parlés. Par exemple, le mot chat a trois phonèmes: / c / / a / / t /. Un lecteur débutant apprend ...