最近邻推荐系统w/范畴变量
最近邻推荐系统w/范畴变量
提问于 2022-10-04 12:48:26
我想建立一个推荐系统：
- 在推荐时没有评级，因此只需要一个纯粹基于上下文的推荐系统。
- 由于输入的特点，问卷的答案是可用的(全部分类)
我的想法如下：
- 通过适当的距离测量，根据问卷的答案找出最相似的用户。
- 这些用户过去的建议对系统中的新用户是相关和有意义的。
在选择编码和距离度量时，我遇到的问题是，只有从二进制到有20个唯一值的问题的值的范畴变量。单热编码有它的缺点与多重共线性，我不确定，因为变量有20个独特的可能性，得到了如此强烈的强调。
有没有人推荐一种可能的方法？非常感谢!
回答 1
Data Science用户
发布于 2022-10-05 02:33:44
在r中有一个名为dprep的包，它包含一个名为knngow()的神奇方法。这是一种KNN算法，它使用gower距离(而不是像欧几里德或曼哈顿那样的物理距离)。
它特别适用于处理转换为二进制或水平因素的名义变量和序数变量，因为它能够管理和区分变量中级别之间的规则间隔，而不受等级的影响。
有一个好的教程或信息的缺乏，但它是一个坚实的步骤，朝着正确的方向，因为它解决了距离困境下的引擎盖。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/114896
复制相关文章
相似问题
腾讯云开发者
