我正在尝试为电子商务网站构建推荐引擎。通过使用通用推荐方法，我假设我推荐的每个产品具有相同的价值，所以我需要做的就是优化转化率可能使用通用推荐算法，但是当产品的价格变化很大时，我真正需要优化的是每个用户的以下公式：
推荐价值=（转化概率）*（产品价格）
比选择正确的算法和方法更大的问题是选择正确的指标，所以我可以比较不同的算法。例如，如果您只想优化转化率，我会使用准确率和召回率或假/正指标。
在这种情况下，建议使用哪些指标和方法/算法？
谢谢
推荐/个性化算法冲突
数据挖掘
机器学习
推荐系统
2021-10-12 17:34:34
1个回答
这实际上与保险公司面临的问题略有相似，只是您的损失成本似乎是已知的。保险公司有一定的损失概率，然后，给定损失，损失的大小遵循某种分布。保险公司的成本取决于两者，并且它们往往呈负相关（较低的损失比较高的损失更有可能。）
在您的情况下，该值是已知的，因此您不需要像保险公司需要预测损失的方式来预测它，因此您可以简单地：
- 建模概率 ( phat )
- 将预测概率乘以已知值（score = phat * value）
- 根据结果分数推荐
保险公司通常在计算保费时做同样的事情，只是他们还需要对价值进行建模。他们有时会联合对这两个组件进行建模，但通常他们有单独的频率和严重性模型，然后将它们相乘以确定他们应该向某人收取多少保费。
其它你可能感兴趣的问题