R语言应用实战系列（三）-智能推荐模型的构建

一.基本概念和原理

智能推荐的方法有很多，包括基于内容推荐，协同过滤推荐，基于关联规则，基于知识推荐，基于效用推荐和组合推荐。

以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！

MATLAB-30天带你从入门到精通

MATLAB深入理解高级教程（附源码）

tableau可视化数据分析高级教程

基于内容推荐，就是根据用户过去的行为记录来向用户进行推荐相似的产品。

缺点：由于内容高度匹配，导致内容的精准度比较差，而且有冷启动的问题，对于新用户不能提供可靠的结果，对于新用户需要积累一段时间后的内容才能够推荐。而且只有维度增加才能增加推荐的精度，但是维度增加会导致计算量巨大。

协同过滤算法，主要是找出和你口味相近的用户，根据他的喜好来预测你的喜好。这个方法可能可以挖掘用户的潜在喜好，但是也存在无法向新用户推荐的问题。一个重要环节就是如何选择合适的相似度计算方法。常用的方法是余玄相似度法和皮尔逊相关系数。

皮尔逊

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/119597456