マッチングのリコメンド [データサイエンス、統計モデル]
ユーザーと商品のマッチングを考えている。
レコメンドエンジンのアルゴリズムの方法として、大きく二つ考えられる。
・アソシエーションルールや協調フィルタリング
・決定木やもろもろの回帰
アソシエーションルールや協調フィルタリングは、実装も簡単なのだが、どうも当てはまりがイマイチだ。
それに比べて、回帰モデルの場合は、Aという商品を薦めた結果、反応したのか反応しなかったのかという情報を基にモデルを作るから、こちらの方が精度が良いのだろう。
ただ、回帰モデルの場合、商品数がたくさんある場合、一つ一つモデルを作らないといけなく、面倒くさいという欠点もある。
アソシエーションルールや協調フィルタリングの場合も、反応したのか反応しなかったのかという情報を基にモデルを作れれば、精度が良いものができるだろうし、
決定木やもろもろの回帰の場合も、たくさんのモデルを簡単に作れれば良いものができそうだ。
このようなソフトやアルゴリズムって自作してるんだろうか?
レコメンドエンジンのアルゴリズムの方法として、大きく二つ考えられる。
・アソシエーションルールや協調フィルタリング
・決定木やもろもろの回帰
アソシエーションルールや協調フィルタリングは、実装も簡単なのだが、どうも当てはまりがイマイチだ。
それに比べて、回帰モデルの場合は、Aという商品を薦めた結果、反応したのか反応しなかったのかという情報を基にモデルを作るから、こちらの方が精度が良いのだろう。
ただ、回帰モデルの場合、商品数がたくさんある場合、一つ一つモデルを作らないといけなく、面倒くさいという欠点もある。
アソシエーションルールや協調フィルタリングの場合も、反応したのか反応しなかったのかという情報を基にモデルを作れれば、精度が良いものができるだろうし、
決定木やもろもろの回帰の場合も、たくさんのモデルを簡単に作れれば良いものができそうだ。
このようなソフトやアルゴリズムって自作してるんだろうか?