Machine-Learning
項目-項目協同過濾與市場購物籃分析
基於項目的協同過濾和基於市場的分析之間的基本區別是什麼？後者是前者的特例嗎？
@Antimony 給出了完美的答案。只是想添加一些理論來幫助我理解項目-項目協同過濾和購物籃分析之間的區別；以及這兩種方法的應用。
用於執行購物籃分析的算法系列稱為關聯規則。購物籃分析（或關聯規則）和協同過濾回答了根本不同的問題。協同過濾可以回答“與你有相似興趣的用戶喜歡哪些商品？”的問題。（圖 1），而關聯規則回答了一個問題“哪些項目經常一起出現？” 第一個問題的答案可用於向您推薦產品、視頻、餐廳、酒店或任何其他您以前沒有看過並且已經被一群與您有相似興趣的其他用戶欣賞的內容。興趣相似度可以從顯性指標來估計，例如你和一群其他用戶對同一個產品給出了相同的評分，或者是隱性指標，例如，您和他們購買了相同的產品。協同過濾應用廣泛用於構建推薦系統。然而，當有豐富的用戶偏好或行為歷史時，協同過濾是最有效的。
同時，關聯規則可以根據您購物籃中當前的一組產品向您推薦您很可能購買的產品（圖 2）。例如，如果您購買漢堡和薯條，您可能會想要蘇打水；或者一個非常有名的例子，那些買尿布的人也傾向於買啤酒。關聯規則獨立於個人偏好配置文件，並且為了挖掘它們，您需要來自所有用戶的交易數據集。關聯規則和購物籃分析通常用作探索性工具來挖掘有限數量的最常見規則，然後人類可以對其進行分析。然而，關聯規則也可以用於構建推薦系統。
圖 1 協同過濾示意圖。來源 -維基百科
圖 2. 關聯規則的簡單說明。
