R:从推荐实验室包中获取客户购买前 N 件商品的概率

Question

我正在使用来自 recommenderlab 的基于用户的协同过滤R 中的包以向用户推荐前 N 个项目。我使用二进制用户-项目矩阵作为输入(根据购买历史创建)。

是否有可能获得客户购买前 N 件商品的概率，而不是只购买前 N 件商品？
dB是我的用户项矩阵，我正在使用下一个代码:

r <- as(dB, "binaryRatingMatrix")
rTrain <- r[1:874, ]
rTest <- r[875, ]

rr <- Recommender(rTrain, method = "UBCF", 
                   parameter = list(method = "Jaccard", nn = 50))

rrP <- predict(rr, rTest, n = 500, type = "topNList")
predCF <- as(rrP, "list")

在 predict caret 中的方法包你只需要指定 type="prob" ，所以我正在寻找类似的东西 recommenderlab包裹。我试过把 type="ratings" ，但我得到了相同的结果。

Answer 1

标准推荐算法预测评级(分数)，但不预测购买概率。这个想法是具有最高评级(分数)的项目是最理想的项目，因此可能会下一次购买(可能购买概率最高)，但这并不能直接给你一个概率。