问推荐/个性化算法冲突
EN

Data Science用户

提问于 2016-11-17 12:31:58

回答 1查看 206关注 0票数 4

我正试图为一个电子商务网站建立一个推荐引擎。通过使用公共推荐方法，我假设我推荐的每种产品都具有相同的价值，所以我所需要做的就是优化转换率--可能使用公共推荐算法，但是当产品的价格变化很大时，我真正需要优化的是针对每个用户的以下公式：

推荐值=(转换概率)*(产品价格)

比选择正确的算法和方法更大的问题是选择正确的度量，所以我可以比较不同的算法。例如，如果您只想优化转换率，我将使用精确和召回或假/正度量。

在这种情况下，推荐了哪些度量和方法/算法？

谢谢

回答已采纳

发布于 2016-11-18 00:41:12

这实际上有点类似于保险公司面临的问题，只是你的损失成本似乎是已知的。保险公司有一定的损失概率，然后，在给定损失的情况下，损失的大小遵循一定的分布。保险公司的成本依赖于两者，两者成反比关系(较低的损失比较高的损失更大)。

在你的例子中，价值是已知的，所以你不需要用保险公司预测损失的方式来预测它，这样你就可以简单地：

保险公司在计算保费时通常会做同样的事情，除了他们也需要对价值进行建模。他们有时对这两个组件进行联合建模，但通常情况下，它们对频率和严重程度有不同的模型，然后将它们相乘，以确定它们应该向某人收取多少溢价。

票数 2

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/15189

复制

相似问题

问推荐/个性化算法冲突EN