帶有 PHP-ML 和回歸的推薦引擎

Question

當我想向當前客戶推薦一些項目時，我會嘗試找出如何使用PHP-ML 。

我的數據集（編號只是行數）：

1. 產品 1 與產品 2 一起購買
2. 產品 1 與產品 2 一起購買
3. 產品 1 與產品 3 一起購買
4. 產品 1 與產品 2 一起購買
5. 產品 2 與產品 4 一起購買
6. 產品 Y.. 與產品 X.. 一起購買

作為客戶，我在過去購買了產品 1。所以通常我會在我的推薦框中期望產品 2，因為 3 個人與產品 1 一起購買了它。

我想我在這里需要一些回歸算法，它給我產品 X 和產品 Y 之間的一些相關值。

我想過線性 SVR 算法，但我不知道如何訓練它？

// 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]);

在我看來，我應該得到一些價值，例如 0.25 -> 25% 購買產品 1 的客戶也購買了產品 2。然后我可以訂購我的預測並將訂單放入我的推薦框中。 我的主要問題是，我應該用什么火車？ 我是否理解完全錯誤？

謝謝

Answer 1

首先，這里不需要線性回歸，如果需要， 則必須轉換分類數據才能進行數字預測。 通常您會使用虛擬變量，這意味着您的表將從以下內容轉換：

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

類似於：

| 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 |

有關更多信息，請參閱https://datascience.stackexchange.com/questions/28306/transform-categorical-variables-into-numerical 。 遺憾的是，我認為 PHP-ML 目前不支持分類數據編碼。 如果你不轉換分類數據，你可能會得到 1.6 作為預測，這並不意味着任何有用的東西。

但是在 PHP-ML 中有一種更簡單的方法可以做到這一點。 您可以使用 Apriori 關聯器。 這可以了解哪些關聯更頻繁並預測它們。 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，在使用機器學習時，將數據拆分為所謂的訓練集和測試集很有用。 這樣你就可以直接測試你的機器學習模型。 它也是在 PHP-ML 中實現的