machine-learning - 在机器学习中，我应该根据评级、类型、性别等不同特征使用哪种算法来推荐

Question

我正在开发一个网站，它将根据访问者的数据向他们推荐食谱。我正在从他们的个人资料、网站事件和 Facebook 收集数据。

目前我有[用户名/用户ID、食谱评分、年龄、性别、类型(蔬菜/非蔬菜)、美食(意大利/中国..等)]等数据。关于上述功能，我想推荐他们没有访问过的新食谱。

我已经实现了ALS(交替最小二乘) Spark 算法。在此，我们必须准备包含 [userId、RecipesId、Rating] 列的 csv。然后我们必须训练这些数据并通过调整 lamdas、Rank、迭代等参数来创建模型。该模型使用 pyspark 生成推荐

model.recommendProducts(userId, numberOfRecommendations)

ALS 算法仅接受三个特征 userId、RecipesId、Rating。除了上面提到的(userId、RecipesId、Rating)之外，我无法包含更多功能(如类型、美食、性别等)。我想包含这些功能，然后训练模型并生成建议。

是否有任何其他算法可以包含上述参数并生成推荐。

如有任何帮助，我们将不胜感激，谢谢。

Answer 1

是的，还有其他一些算法。对于您的情况，我建议您使用朴素贝叶斯算法。

https://en.wikipedia.org/wiki/Naive_Bayes_classifier

由于您正在开发 Web 应用程序，因此我想 JS 解决方案对您来说会很方便。

(简单)https://www.npmjs.com/package/bayes

或者例如:

(更强大一点)https://www.npmjs.com/package/naivebayesclassifier