A
Мне кажется это вообще задача регрессии. Для каждой позиции, которую можно предложить посчитать вероятную прибыль и выбрать ту, что даёт максимальную.
Size: a a a
2020 June 13
A
Всего 2 класса на каждый вариант, купит или не купит
AR
Юрий
Я имел ввиду, например: сделать рекомендательную систему, чтобы предлагала покупателю товар на основании его корзины.
Получить кластеры при помощи классических методов ML. Потом эти кластеры необходимо расформировать в обучающие выборки так, чтобы нейронка по наличию товаров в корзине предлагала товары, которые могут быть полезны каждому покупателю.
Получить кластеры при помощи классических методов ML. Потом эти кластеры необходимо расформировать в обучающие выборки так, чтобы нейронка по наличию товаров в корзине предлагала товары, которые могут быть полезны каждому покупателю.
Так вроде это делается через рекомендательные системы Content-based или Collaborative filtering. И никаких нейронок)
Ю
Мне кажется это вообще задача регрессии. Для каждой позиции, которую можно предложить посчитать вероятную прибыль и выбрать ту, что даёт максимальную.
Как сформировать обучающую выборку в таком случае?
A
Рассмотреть все товары, которые были в одной корзине
Ю
Я со всеми согласен, что проще и удобней кластеризовать через k-means. Но решаю тестовую задачу, работодатель просит именно подключить нейронную сеть в этой задаче.
V
Как они любят сети, а..
Ю
Юрий
Я со всеми согласен, что проще и удобней кластеризовать через k-means. Но решаю тестовую задачу, работодатель просит именно подключить нейронную сеть в этой задаче.
😂 Классическое "нам точно нужен deep learning"?
NS
жестокий работодатель
V
Юрий
Я со всеми согласен, что проще и удобней кластеризовать через k-means. Но решаю тестовую задачу, работодатель просит именно подключить нейронную сеть в этой задаче.
Вообще говоря, тут чаще люди, которые проходят специализацию на курсере от яндекса по мл, а не сетевые спецы, но иногда бывают
NS
просит впихнуть нейроночку
VZ
А может и не нужен такой работодатель 😏
V
Ну я б сделал какой-нить перцептрон с софтмаксом-вероятностями товаров-соседей
V
И типа макс 10 вероятностей - рекомендации
V
Но я не спец
V
Я их юзал только по прямому назначению и факультативно ))
Ю
Юрий
Я со всеми согласен, что проще и удобней кластеризовать через k-means. Но решаю тестовую задачу, работодатель просит именно подключить нейронную сеть в этой задаче.
Не видя задачи не могу сказать что конкретно делать. Попробую: получается, что работаем в пространстве товаров, а оно очень высокой размерности. Надо как-то уменьшить размерность. Можно уменьшить размерность банальным матричным разложением (которое и нужно для рекомендательных систем), а потом результаты разложения использовать как фичи для нейросети. Тот же TruncatedSVD из sklearn подойдёт для экспериментов.
Ю
Это если у нас есть матрица пользователи-товары по всем пользователям, конечно, а не только товары в корзине одного пользователя и больше ничего)
RS
Не видя задачи не могу сказать что конкретно делать. Попробую: получается, что работаем в пространстве товаров, а оно очень высокой размерности. Надо как-то уменьшить размерность. Можно уменьшить размерность банальным матричным разложением (которое и нужно для рекомендательных систем), а потом результаты разложения использовать как фичи для нейросети. Тот же TruncatedSVD из sklearn подойдёт для экспериментов.
PCA лучше подойдет для задачи, чем SVD
I
Юрий
Я со всеми согласен, что проще и удобней кластеризовать через k-means. Но решаю тестовую задачу, работодатель просит именно подключить нейронную сеть в этой задаче.
