简介

这一章，我们要学到我们第一个过滤算法，协同过滤算法，这个是现在最多人使用的算法，当然这个是在退钱算法当中较为简单的一个算法，我们今天就是来介绍这个算法

两种不同的推荐算法

基于用户的推荐算法

假设现在有两个用户分别是A，B
比如说他们经过我们向量分析以后他们有很大的相似性，比如他们都喜欢打CSGO，当A购买了个G603鼠标，那么我们同等的可以将这个鼠标推荐给B，因为他们的用户行为在我们计算上来说是相似的，所以我们很适合把他们归为一类这就实现基于用户的协同过滤算法，虽然我们在这里讲解的非常简单但是很显然我们是没有办法在现在的学习阶段就写出一个对应的系统算法

基于商品的推荐算法

这个是什么呢？我们思考一个问题，用户不仅仅是有特征的，很显然，商品同样是有特征，所以我们可以计算用户的向量，同理我们可以计算商品的向量，举个例子吧，我们在系统刚建立时有一个用户进来了，他现在买了一个很贵的鼠标，首先我们知道这个鼠标上面有一些商品特征
1.贵
2.电子产品
所以我们系统可以推荐一些价格比较高的键盘给这个用户，这个就是我们协同过滤算法实例之一，当然在简历推荐系统上面是通用