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Python 推荐系统隐式反馈聚类K-均值,python,recommendation-engine,unsupervised-learning,Python,Recommendation Engine,Unsupervised Learning,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,
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