## 簡介

場景將使用機器學習PAI平臺，指導您搭建一個基於協同過濾演算法的商品推薦系統。

## 背景知識

資料探勘的一個經典案例就是尿布與啤酒的例子。尿布與啤酒看似毫不相關的兩種產品，但是當超市將兩種產品放到相鄰貨架銷售的時候，會大大提高兩者銷量。很多時候看似不相關的兩種產品，卻會存在這某種神秘的隱含關係，獲取這種關係將會對提高銷售額起到推動作用，然而有時這種關聯是很難透過經驗分析得到的。這時候我們需要藉助資料探勘中的常見演算法-協同過濾來實現。這種演算法可以幫助我們挖掘人與人以及商品與商品的關聯關係。

協同過濾演算法是一種基於關聯規則的演算法。以購物行為為例，如果使用者甲和使用者乙都購買了商品A和商品B，則可以假定使用者甲和使用者乙的購物品味相似。當使用者甲購買了商品C，而使用者乙未購買時，可以將商品C推薦給使用者乙，這就是經典的User-Based，即以User的特性為關聯。

## 開通機器學習PAI服務
1， 使用阿里雲賬號登入[阿里雲官網](https://www.aliyun.com/)。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164133964.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  在頂部的導航欄，依次將滑鼠懸停到產品>人工智慧處，然後單擊機器學習平臺PAI。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164144883.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

3.在機器學習PAI控制檯首頁，單擊立即開通。

## 建立PAI Studio專案
1.在控制檯左側導航欄，單擊視覺化建模（Studio）。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2021031116463948.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

2.在PAI Studio頁面單擊建立專案。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164647350.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
3.  在右側彈出的建立專案頁面，MaxCompute選擇按量付費，填入專案名稱，然後單擊確定。

PAI Studio底層計算依賴MaxCompute，如果您未開透過當前區域的MaxCompute，請按照頁面提示去購買。

## 建立實驗
1.單擊左側導航欄的首頁。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164857223.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

2.在模板列表找到【推薦演算法】商品推薦，然後單擊從模板建立。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164906381.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 檢視實驗資料
1.右鍵單擊cf_訓練_data節點，然後單擊檢視資料。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311164932557.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
源資料的欄位解釋如下：
user_id   使用者編號  STRING  購物的使用者ID。
item_id  物品編號  STRING  被購買物品的編號。
active_type  購物行為  STRING  0：表示點選。1：表示購買。2：表示收藏。3：表示加入購物車。
active_date  購物時間  STRING  購物發生的時間。
可以看到訓練資料為7月份以前的使用者購買行為資料。

2.右鍵單擊cf_結果_data，然後單擊檢視資料。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165226710.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
可以看到結果資料為7月份以後的使用者購買行為資料。

## 執行實驗

1.單擊左上角執行。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165251277.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  請耐心等到3~5分鐘，實驗執行完成如下所示。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165300806.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 檢視實驗結果
1.右鍵單擊join-1節點，然後單擊檢視資料。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165339575.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

表中similar_item欄位為經過協同過濾演算法計算得出的該使用者購買可能性最大的商品。
2.  單擊全表統計-1節點，然後單擊檢視資料。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165353428.png)
表1統計了根據協同過濾演算法推薦的商品數量，共有18065個商品可推薦。

3.單擊全表統計-2節點，然後單擊檢視資料。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210311165407413.png)
表2統計了7月份真實購買行為資料中與經過協同過濾演算法所推薦的商品的命中數量，可以看到有60個推薦的商品被購買。

推薦系統入門之使用協同過濾實現商品推薦

相關文章