R：获取客户从推荐实验室包中购买前 N 项商品的概率

Question

我正在使用 R 中 recommenderlab 包中基于用户的协同过滤来向用户推荐前 N 个项目。我使用二进制用户项目矩阵作为输入（根据购买历史创建）。

是否有可能获得客户购买前 N 件商品的概率，而不是只购买前 N 件商品？

dB 是我的用户项矩阵，我正在使用下一个代码：

r <- as(dB, "binaryRatingMatrix")
rTrain <- r[1:874, ]
rTest <- r[875, ]

rr <- Recommender(rTrain, method = "UBCF", 
                   parameter = list(method = "Jaccard", nn = 50))

rrP <- predict(rr, rTest, n = 500, type = "topNList")
predCF <- as(rrP, "list")

在caret 包中的predict 方法中，您只需要指定type="prob"，所以我在recommenderlab 包中寻找类似的东西。我尝试输入type="ratings"，但得到了相同的结果。

Answer 1

标准推荐算法预测评级（即分数），但不预测购买概率。这个想法是，具有最高评分（分数）的项目是最理想的项目，因此很可能是下一次购买（可能具有最高的购买概率），但这并不能直接给你一个概率。