Machine learning 在机器学习中，我应该根据评级、类型、性别等不同特征推荐哪种算法

我正在开发一个网站，根据访问者的数据向他们推荐食谱。我从他们的个人资料、网站活动和facebook收集数据

目前我有[用户名/用户ID，食谱等级，年龄，性别，类型（素食/非素食），烹饪（意大利/中国..等]）等数据。关于以上特点，我想推荐一些他们没有看过的新食谱

我已经实现了ALS（交替最小二乘）spark算法。在此，我们必须准备csv，其中包含[userId、RecipesId、Rating]列。然后，我们必须训练这些数据，并通过调整参数（如lamdas、秩、迭代）来创建模型。该模型使用pyspark生成推荐

推荐产品型号（用户ID、NumberOfRecommends）

ALS算法只接受userId、RecipesId和Rating三个特性。除了上面提到的功能（userId、RecipesId、Rating），我无法包含更多的功能（比如类型、烹饪、性别等）。我想包括这些特性，然后训练模型并生成建议

是否有其他算法可以包含上述参数并生成推荐

---

任何帮助都将不胜感激，谢谢。

是的，还有一些其他算法。对于您的情况，我建议您使用朴素贝叶斯算法

由于您正在开发一个web应用程序，我想JS解决方案对您来说很方便

（简单）

或例如：

---

（功能更强一些）

机器学习中有一种称为推荐系统的算法。在这方面，我们有基于内容的推荐系统。它们主要用于根据客户评论推荐产品/电影。您可以使用客户评论应用相同的算法来推荐食谱。要更好地了解此算法，请参阅以下链接：

您可以使用功能强大的分类算法，如

->SVM：如果你有更多的属性，效果会很好

---

->逻辑回归：如果你有大量的客户数据。

你正在寻找使用协同过滤等算法的推荐系统。我建议您阅读Andrew Ng教授关于协同过滤算法和低秩矩阵分解以及构建推荐系统的短片。它们是斯坦福大学提供的Coursera机器学习课程的一部分。 课程链接：

---

您可以在第9周查看与推荐系统相关的内容

非常感谢您宝贵的回复。如果我在什么地方卡住了，我会检查一下，然后再打电话给你。非常感谢你宝贵的回复。我会浏览这些视频，如果我遇到什么问题，会给你回复。非常感谢你宝贵的回复。我一定要完成这门课程。