聚类还是推荐？答案

【问题标题】：Clustering or recommender?聚类还是推荐？
【发布时间】：2015-12-19 05:46:07
【问题描述】：

我目前正在研究基于大量数据的匹配算法的概念。这是我的第一次。

是这样的：

=> 我们希望根据人们的偏好（大小、位置……）为他们匹配房屋

有什么更好的方法？

1) 对所有房屋进行聚类并检查该人（想要购买的人）属于哪个聚类（匹配具有相同特征值（如大小和位置）的人/房屋） 2) 建立一个推荐器，这也需要许多过去在我们的 HDSF 中买过房子的人

使用哪种技术堆栈来获得更好的方法？

我目前正在考虑：Hadoop/Hive（存储）- Sqoop（将数据放入存储）- Mahout（分析）

非常感谢您的帮助！提前致谢！

【问题讨论】：

【解决方案1】：

我建议，基于您还没有用户匹配房屋的事实，最好的方法是使用集群，一旦您拥有一致的集群，就为每个集群分配一个类，从而减少分类一的问题。

关于堆栈，很大程度上取决于个人喜好以及可用的硬件。

【讨论】：

感谢您的回答。您是否也知道如何使其实时？所以如果用户访问网站，我可以实时计算集群并告诉他哪些房子符合他的需求？
一旦将类标签分配给集群，它就被简化为分类任务，如前所述。然后，您只需在数据集上训练一个分类器模型（同样，聚类也可以）。对于每个到达的用户，通过偏好询问提取用于房屋的相同特征。然后，使用您训练的模型对他进行分类。