基於參數的推薦最佳機器學習解決方案

Question

我正在尋找可以幫助我爲現有數據庫推薦最佳匹配記錄的解決方案。我考慮使用機器學習來完成這項任務。

我有一組數據，它描述了電影的用戶選擇： 電影，年齡，性別，MOVIE_RATING（0-10）（在未來會有更多的參數）

話，我會想什麼get是一種解決方案，可幫助我通過參數找到最佳影片推薦。所以輸入將與用戶： 20歲，男性，電影評級8 +

而我的結果我想收到這個參數最佳匹配的電影。

我正在考慮決策森林迴歸，但也許有其他方法可以做到這一點。

Answer 1

這樣做的一種方法是使用matrix factorization來查找矩陣的缺失值。對於你的問題，很多用戶不會對數據庫中的很多電影進行電影評級。因此，您可以使用矩陣分解來填充（近似）矩陣，然後根據給予不同電影的分數向用戶推薦電影。

Answer 2

爲了方便，只需使用樸素貝葉斯。它會讓你在測試中獲得80％以上的準確性，對於電影推薦等內容來說，它不可能100％準確地測試。

Answer 3

對於您的問題，沒有直接的算法，因爲您添加了多個功能，如年齡，性別，評分等。爲了實現您的目標，您可以使用多個低秩矩陣分解算法，如SVD或ALS來找到丟失（協作過濾）。然後，您需要應用分類算法對年齡（20歲以上），性別（男性）的8 +評級電影進行分類，並取其交叉點。