协同过滤算法

协同过滤（Collaborative Filtering）是电商推荐系统的核心算法之一，它基于用户行为数据（如购买历史、评分、浏览记录）来发现用户或物品之间的相似性，从而为用户推荐感兴趣的商品。下面我将从原理到代码实现，详细介绍协同过滤在电商推荐中的应用。

一、协同过滤的核心思想

协同过滤分为两种类型：

1. 基于用户的协同过滤（User-based CF）

   • 原理：如果用户 A 和用户 B 对某些商品的评价相似（比如都喜欢商品 X、Y），那么 A 可能喜欢 B 喜欢的其他商品（比如商品 Z）。
   • 电商场景：如果用户小明和小红都买过 iPhone 和 AirPods，且评价都是 5 星，小明还买过 MacBook，那么系统可能会给小红推荐 MacBook。

2. 基于物品的协同过滤（Item-based CF）

   • 原理：如果商品 X 被很多用户喜欢，且这些用户也喜欢商品 Y，那么 X 和 Y 是相似的。当用户 A 喜欢 X 时，系统会推荐 Y。
   • 电商场景：如果很多用户同时购买了咖啡和奶精，当用户小李购买咖啡时，系统会推荐奶精。

二、协同过滤的优缺点