1.算法思想

? ? 物以類聚，人以群分

2.基本的協同過濾算法基于一下的假設

• 基于用戶的協同過濾推薦(User-based CF)：跟你喜好相似的人喜歡的東西你也很有可能喜歡
• 基于物品的協同過濾推薦(Item-based CF): 跟你喜歡的東西相似的東西你也有可能喜歡

3.實現協同過濾推薦的步驟

• 找出最相似的人或者物品：通過計算兩兩的相似度來進行排序，即可找出最相似的人或物品
• 根據相似的人或者物品產生推薦結果：找出最相似的人或者物品的前N名結果生成初始的推薦結果，然后過濾掉用戶已經有過記錄的物品或者明確表示不感興趣的物品

4.思路

• 做協同過濾時，首先特征工程要把 用戶---物品的評分矩陣創建好
• 基于用戶的協同過濾
  ①給用戶A找到最相似的N個用戶
  ②N個用戶消費過哪些物品
  ③N個用戶消費過的物品中減去A用戶消費過的就是推薦結果
• 基于物品的協同過濾
  ①給物品A找到最相似的N個物品
  ②A用戶消費記錄找到這些物品的相似物品
  ③從這些相似物品先去重再減去A用戶消費過的就是推薦結果

總結

以上是生活随笔為你收集整理的Python协同过滤推荐算法（Collaborative Filtering）1.概念和思想以及大致步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。