某电子商务平台希望使用机器学习来改善用户的购物体验。他们收集了用户的购买历史数据,希望你 能构建一个推荐系统,为用户推荐他们可能喜欢的商品。
你的任务是,使用scikit−learn库,基于用户的购买历史数据,构建一个基于K最近邻(KNN)的推荐系统,并使用Cosine相似度来评估模型的性能。
首先将输入的用户购买历史转换为用户–商品的二值矩阵。行表示用户,列表示商品,如果用户购买过该商品则对应位置为1,否则为0。
使用 scikit-learn 的 NearestNeighbors
,设置
metric='cosine'
(返回的距离为 1−cosine_similarity)algorithm='brute'