machine-learning - 在推荐系统中使用决策树

Question

我有一个在列(年龄、性别、时间、日期、观看次数、点击次数)上进行训练的决策树，该决策树被分为两类 - 是或否 - 代表某项 X 的购买决策。使用这些值，我试图预测 1000 个样本(客户)的概率，这些样本看起来像 ('12','Male','9:30','Monday','10','3'),('50','女','10:40','星期日','50','6')…………我想要获得个人概率或分数，这将帮助我识别哪些客户最有可能购买该商品 X。因此，我希望能够对预测进行排序，并仅向 5 个想要购买的客户显示特定商品项目 X。我怎样才能做到这一点？决策树能达到目的吗？还有其他方法吗？我是机器学习新手，如有任何词汇错误，请原谅。

Answer 1

使用小样本集的决策树，肯定会遇到过拟合问题。特别是在决策的较低级别，您将拥有指数级更少的数据来训练您的决策边界。您的数据集应该有比类别数量多得多的样本，并且每个类别都有足够的样本。

说到决策边界，请确保您了解如何处理每个维度的数据类型。例如，“性别”是分类数据，其中“年龄”、“一天中的时间”等是实值输入(离散/连续)。因此，树的不同部分需要不同的配方。否则，您的模型最终可能会将 9:30、9:31、9:32... 作为单独的类进行处理。

尝试其他一些算法，从简单的算法开始，例如 k 最近邻 (KNN)。有一个验证集来测试每个算法。使用 Matlab(或类似软件)，您可以使用库快速尝试不同的方法，看看哪一种最有效。这里没有足够的信息来向您推荐一些非常具体的东西。另外，

我建议你也尝试一下 KNN。 KNN 能够捕获数据中的亲和性。假设，20 岁左右的人在晚上点击产品页面约 5 次后购买了 X 产品。 KNN 将能够告诉您每个新客户与购买该商品的客户的关系有多密切。基于此，您可以选择前 5 个。非常容易实现，并且可以作为更复杂方法的基准。

(假设浏览量和点击量是指每个客户对产品X的点击数和浏览量)