machine-learning - 使用机器学习的基于内容的推荐系统需要多少个分类器

Question

我想使用机器学习方法开发基于内容的推荐系统。我计划为此使用 SVM/神经网络/KNN 分类器。我收集了 300 个用户的数据。这也可以看作是一个用户兴趣建模问题。

我有以下疑问。

1. 我们需要为每个用户单独训练分类器吗？这似乎无法扩展。

2. 如果是，我们如何显示最终评估结果？每个用户分别的精度/召回率??

谢谢，阿蒂什

Answer 1

不，您希望这个神经网络适用于所有用户。

我认为正确的做法是将数据集划分为所有用户的训练集和测试集。将测试放在一边并训练您的神经网络。

一旦您认为自己有了一个好的模型，就针对它运行测试集，看看您获得的成功率。

小心过度拟合。如果你的训练集预测得太好，你可能会犯过度拟合的错误。它在测试集上的结果会很差。

您需要决定需要多高的成功率。如果你的神经网络有 80% 的预测能力，这足够了吗？ 90%？ 95%？在开始之前你应该弄清楚这一点。

您应该阅读有关引导的内容。