带有 PHP-ML 和回归的推荐引擎

Question

当我想向当前客户推荐一些项目时，我会尝试找出如何使用PHP-ML 。

我的数据集（编号只是行数）：

1. 产品 1 与产品 2 一起购买
2. 产品 1 与产品 2 一起购买
3. 产品 1 与产品 3 一起购买
4. 产品 1 与产品 2 一起购买
5. 产品 2 与产品 4 一起购买
6. 产品 Y.. 与产品 X.. 一起购买

作为客户，我在过去购买了产品 1。所以通常我会在我的推荐框中期望产品 2，因为 3 个人与产品 1 一起购买了它。

我想我在这里需要一些回归算法，它给我产品 X 和产品 Y 之间的一些相关值。

我想过线性 SVR 算法，但我不知道如何训练它？

// Step 1: Load the Dataset
// Step 2: Prepare the Dataset
// Step 3: Generate the training/testing Dataset
$samples = [[1,2], [1,2], [1,3], [1,2], [2,4], [X,Y..]];
$targets = [?, ?, ? , ? , ? , ?];

$regression = new LeastSquares();
// Step 4: Train the classifier
$regression->train($samples, $targets);


echo $regression->predict([1,2]);

在我看来，我应该得到一些价值，例如 0.25 -> 25% 购买产品 1 的客户也购买了产品 2。然后我可以订购我的预测并将订单放入我的推荐框中。 我的主要问题是，我应该用什么火车？ 我是否理解完全错误？

谢谢

Answer 1

首先，这里不需要线性回归，如果需要， 则必须转换分类数据才能进行数字预测。 通常您会使用虚拟变量，这意味着您的表将从以下内容转换：

| Product A | Product B |
|-----------|-----------|
|         1 |         2 |
|         1 |         2 |
|         1 |         3 |
|         1 |         2 |
|         2 |         4 |

类似于：

| Product 1  | Product 2 | Product 3 | Product 4 |
|------------|-----------|-----------|-----------|
|          1 |         1 |         0 |         0 |
|          1 |         1 |         0 |         0 |
|          1 |         0 |         1 |         0 |
|          1 |         1 |         0 |         0 |
|          0 |         1 |         0 |         1 |

有关更多信息，请参阅https://datascience.stackexchange.com/questions/28306/transform-categorical-variables-into-numerical 。 遗憾的是，我认为 PHP-ML 目前不支持分类数据编码。 如果你不转换分类数据，你可能会得到 1.6 作为预测，这并不意味着任何有用的东西。

但是在 PHP-ML 中有一种更简单的方法可以做到这一点。 您可以使用 Apriori 关联器。 这可以了解哪些关联更频繁并预测它们。 在下面你可以看到它的作用。

use Phpml\Association\Apriori;

$samples = [[1,2], [1,2], [1,3], [1,2], [2,4]];
$labels  = [];


$associator = new Apriori($support = 0.5, $confidence = 0.5);
$associator->train($samples, $labels);

var_export($associator->predict([1]));
// outputs  [[ 2 ]];  The right prediction!

此外，在使用机器学习时，将数据拆分为所谓的训练集和测试集很有用。 这样你就可以直接测试你的机器学习模型。 它也是在 PHP-ML 中实现的