Machine learning 集合预测的共现性

我对集合预测有困难。我原以为我想用共现来解决这个问题，但现在我已经尝试过了，我不确定它是否是正确的工具

我有一个数据库，其中包含一些数据（每列对应一个特定项目，每行对应每个集合），例如：

我计算共现矩阵：

cooccur_matrix:
[[0 1 3 3]
 [1 0 1 1]
 [3 1 0 3]
 [3 1 3 0]]

现在我有一个不完整的集合：

target:
[1 0 1 1]

我的共生矩阵的点积，这是：

prediction:
[6 3 6 6]

但那根本不是我想要的。我想找回的是这样的东西：

prediction:
[1 0.33 1 1]

或：

---

有没有想过我做错了什么？我对ML概念相当陌生，这似乎是一个相当简单的问题。

我真正需要的似乎是将余弦相似性应用于共现矩阵。这似乎很有效（但很难解决）。

apriori算法开始。正常的推荐系统算法也可以正常工作。@Mai我认为我使用的方法是正常的推荐系统使用的方法，不是吗？我不认为你会接受并发的点积，但是平均标准化后原始矩阵的行或列。这是用户或项目CF。您也可以尝试SVD++，等等。我不熟悉基于内容的方法，因此您所指的方法我可能不知道。

prediction:
[1 0.33 1 1]

prediction:
[0 0.33 0 0]