Python 基本市场篮子/建议分析问题

我有一个关于市场篮子分析/推荐算法的问题。使用Python，我创建了一个非常基本的推荐算法，如果你甚至可以为我爸爸的商店这样称呼它的话。基本上，它将购买物品X和Y的可能性作为购买物品X和其他物品的百分比。据我所知，这是我试图模仿像亚马逊这样的大型商店对顾客所做的想法，顾客看了这个商品也买了这个功能

我的问题是我不知道如何过滤掉所有的噪音。例如，许多人买香蕉。因此，香蕉总是很可能出现在其他项目中，即使它与其他项目没有有趣的联系。有没有其他基本的统计技术来过滤掉通常购买的物品？我目前的技术减轻了影响，但它仍然存在

谢谢

你问的是什么。一种方法是训练a，通常有一个隐藏层1，输入层和输出层将为您商店中的每个项目提供一个。给它提供一个人喜欢的产品，它将产生可能性或分类，这取决于你如何训练你的每个项目的网络，使其受到这个用户的喜爱。 然后使用现有的客户池使用

这种方法不是试图找到一个与你相似的人，而是为用户建立一个个人资料，并根据这个个人资料建议项目

因为您使用的是python，所以可以使用这些算法的现有实现

更先进的力学也存在，总的来说，这一研究领域正在不断发展。围绕着同一个话题

---

1隐藏层表示分类-例如食物、工具、书籍等。。。然而，该算法为您找到一些分类，您所需要做的只是告诉您在网络架构中需要多少分类。有多个隐藏层可以表示子类别。

是否可以使用其他变量？比如，打字？工具、食物、书籍虽然很有趣，但我认为这个问题并不适合，因为它涉及面很广。