Python 推荐系统隐式反馈聚类K-均值

这个想法并不是一个典型的推荐系统，在这个系统中，我们通过对购买产品的评论或评价——意见——洞察客户的意见，但只了解以下特征：购买日期、数量、价格、ID、发票号。这意味着应根据三个因素向分组/分类客户推荐推荐推荐系统，如金额（已花费的金额），频率（交易数量），最近性（自上次购买以来已过去的天数）

最后一个想法是根据前面提到的特征向特定的客户群/群体推荐N类产品

到目前为止，我已经完成的是使用7种不同的聚类算法，在一个新的专栏中提取它们的聚类标签号，现在我的问题是让它工作起来，连接到项目的最终想法，创建一个智能系统，向这些客户群推荐某些产品

一个clsutering alg的输出（K-均值）：

或者更一般的问题：如果不需要什么来让它值得花时间在智能系统上，那么有监督/无监督的学习方法能够解决这些问题的最佳解决方案是什么。由于数据集似乎有问题，通常我会发现有评论和行为数据的数据集，这对我来说是不可能的，我不知道也永远不会知道

  CustomerID  Amount  Frequency  Recency  K_means
1    12347.0    3012        182        1        2
2    12348.0     944         31       74        0
3    12349.0    1404         73       18        0
4    12350.0     244         17      309        1