Python 基于用户历史记录推荐产品的高效库
我有一个数据库，每个用户都浏览过哪些产品，我想根据类似用户的浏览情况推荐一款产品。是否有一个Python库可以实现这一点？我不需要Netflix高质量的结果，只需要更有可能感兴趣的产品。有什么想法吗？你可以去看看 从网站： 建议是一个顶级推荐 执行多种操作的引擎 推荐算法。Top-N 推荐系统，一个个性化的 信息过滤技术 用于标识一组N个 将对某个用户感兴趣。 近年来，top-N推荐人 该系统已在多个国家使用 不同的应用，例如 向客户推荐产品 最有可能购买；推荐电影、电视 用户将找到的程序或音乐 愉快的识别 将引起兴趣；甚至建议 搜索的替代方法 信息Python 基于用户历史记录推荐产品的高效库,python,algorithm,performance,recommendation-engine,Python,Algorithm,Performance,Recommendation Engine,我有一个数据库，每个用户都浏览过哪些产品，我想根据类似用户的浏览情况推荐一款产品。是否有一个Python库可以实现这一点？我不需要Netflix高质量的结果，只需要更有可能感兴趣的产品。有什么想法吗？你可以去看看 从网站： 建议是一个顶级推荐 执行多种操作的引擎 推荐算法。Top-N 推荐系统，一个个性化的 信息过滤技术 用于标识一组N个 将对某个用户感兴趣。 近年来，top-N推荐人 该系统已在多个国家使用 不同的应用，例如 向客户推荐产品 最有可能购买；推荐电影、电视 用户将找到的程序或音乐
k-最近邻可能是基于web的实时推荐系统中最常用的算法 在NumPy/SciPy中，您有几个选择[注意：答案在12月更新以反映sklearn库的更新]：
- 最近邻模块（akasklearn）；这是一个复杂的kNN实现，包括邻居加权和投票以及一个非常高效的存储/检索组件（球树）
- 。我已经在几个项目中使用了它，尽管我不太可能在下一个项目中使用它，因为sklearn现在可用，这是kNN的最新实现。尽管如此，空间模块还是有一个kd树类（该模块使用kd树而不是标准numpy数组来存储数据，沿w/Voronoi细分，kd树是存储kNN非常大数据集的最常见的专用数据结构）；此外，它还提供了多种距离度量方法（除了欧几里得距离）