我有以下问题：
- 我们有 N 个人
- 我们有 K 个图像
- 每个人对一些图像进行评分。一个人可能喜欢或不喜欢图像（这是仅有的两种可能性）。- 问题是如何计算某人喜欢特定图像的可能性。
我将举例说明我的直觉。
N = 4
K = 5
+ 表示该人喜欢图像
- 表示该人不喜欢该图像
0 表示该人尚未被询问该图像，并且应该预测该值
x 1 2 3 4 5
1 + - 0 0 +
2 + - + 0 +
3 - - + + 0
4 - 0 - - -
人 1 可能会喜欢图像 3，因为人 2 具有相似的偏好，人 2 喜欢图像 3。
人 4 可能不喜欢图像 2，因为没有其他人喜欢它，此外，人 4 不喜欢大多数图像。
有没有众所周知的方法可以用来计算这种可能性？
我相信这是Collaborative Filtering的标准问题。谷歌搜索提供了数千个结果。
这对于机器学习来说似乎是一个很好的问题，所以我将专注于这组方法。
首先也是最明显的想法是 kNN 算法。在那里，您首先计算观众之间的相似度，然后用相似用户对这张照片的平均投票预测丢失的选票。有关详细信息，请参阅维基百科。
另一个想法是在这些数据上生成无监督的随机森林（无论哪种方式，图像或人物中的属性，无论哪个更好），并根据森林结构估算缺失的数据；整个方法在RrandomForest包中实现和描述，寻找rfImpute功能。
最后，您可以将问题重组为一个简单的分类任务，比如在矩阵中创建一个每个零的对象，并尝试考虑一些合理的描述符（如平均观众投票、平均图像投票、最多投票、第二多投票、.. . 类似的查看器，与图像相同，可能是一些外部数据（图像的平均色调，选民的年龄等）。然后在这些数据上尝试各种分类器（SVM，RF，NB，...）。
还有一些更复杂的可能性；有关概述，您可以查找 Netflix 奖品挑战（这是一个类似的问题）解决方案。