推荐系统 - 基于物品本身的特征来（分类）推荐- 步骤与进阶的knn

原文

https://github.com/litaotao/guidetodatamining/blob/master/chapter-4.md

https://github.com/litaotao/guidetodatamining/blob/master/chapter-5.md

 

定义

分类器是指通过物品特征来判断它应该属于哪个组或类别的程序！分类器程序会基于一组已经做过分类的物品进行学习，从而判断新物品的所属类别。

eg: 会先计算出与这个物品距离最近的物品，然后找到用户对这个最近物品的评价，以此作为新物品的预测值。

 

步骤

1.我们将这些数据集分为了两个部分，第一部分用来构造分类器，因此称为训练集；另一部分用来评估分类器的结果，因此称为测试集。（如何分两部分：十折交叉验证和留一法，https://blog.csdn.net/abcd1101/article/details/90383952）

2.数据特征值选取。

2.标准化。当不同特征的评分尺度不一致时，为了得到更准确的距离结果，就需要将这些特征进行标准化，使他们在同一个尺度内波动。

3.利用特征值建立向量。

4.通过向量来计算距离，到这里为止搭建了一个分类器（计算距离可以选择曼哈顿等的距离算法）

5.使用第二部分数据来评估分类器，如果ok就来预测（其中使用了混淆矩阵来记录结果，Kappa指标来评估分类器，https://blog.csdn.net/abcd1101/article/details/90383952）

6..预测新物品的类别。

 

进阶的分类算法

knn（k近邻）算法：https://github.com/litaotao/guidetodatamining/blob/master/chapter-5.md#knn%E7%AE%97%E6%B3%95

ps:

1.KNN算法是分类算法，分类算法肯定是需要有学习语料，然后通过学习语料的学习之后的模板来匹配我们的测试语料集，将测试语料集合进行按照预先学习的语料模板来分类

2Kmeans算法是聚类算法，聚类算法与分类算法最大的区别是聚类算法没有学习语料集合。