原谅可能是一个基本问题。我只是在试验 ML / AL，我有一个小问题集，我想看看它是否可以用 ML / AI 解决。基本上，给定一组具有多种功能的对象，我想创建一个自动向用户推荐一个对象的过程。
我在想某种聚类算法可能是最好的方法。但是，我试图解决的一个主要挑战是，我事先不知道会有多少不同的集群会演变……在某些场景中，我们的 Feature X 非常重要，但在其他场景中，用户会说功能 Y 很重要。
其次，我的输入集是什么？对于每个训练样本，我将有 1 个选定对象和 N-1 个未选定对象。但我不想“训练”未选择的对象是“坏的”，因为它们可以在未来的训练示例中被选中。
最后，我还没有大的训练集，所以我想使用过程中的反馈（用户输入，“这是一个错误的选择”或“使用这个对象。”）来进一步完善算法。这可行吗？
这种过程是否有任何既定的模式？提前致谢。
这个问题通常用“奇异值分解”来解决。
也可以搜索“Netflix Challenge”。
一种方法是协同过滤。
另见链接
但是，这确实需要您拥有有关某些产品的某些用户偏好的数据。鉴于您已声明您愿意挖掘用户偏好，这种方法可能是可行的。
这个想法是，使用这些数据，您可以训练模型来预测用户如何评价产品。这是通过学习用户的“偏好签名”和每个产品的特征向量来完成的。
大概的概念
对于您的第 i 个用户，该算法将学习所述偏好作为向量
此外，对于您的第 j 个产品，它将学习一个特征向量
然后，您可以通过计算点积（或一些等价物）来预测第 i 个用户将如何评价第 j 个项目。也就是说，将预测评分计算为：
然后，您可以使用此评级来确定产品是否适合用户。
A. Ng 机器学习 Coursera MOOC有一个非常好的协同过滤模块。
实施说明
在向用户询问反馈时，请尝试要求量化措施。例如，经典的 1-5 级评分。