R语言推荐算法中物品-物品用关联规则；人物-物品用协同过滤；人-人用社会网络分析；特征-物品用预测建模，分类模型。关联规则和协同过滤算法关联规则，将所有用户的高频产品进行推荐，但是如果要清仓，清除一些低频的产品，关联规则不太适用；而协同过滤可以顾及长尾。大于1，说明有效，在购买A时推荐B，比直接推荐B，效果更好等于1，说明无关，购买A与购买B，是独立事件
R语言?推荐算法中物品-物品用关联规则；，下面我们就来说一说关于R语言?我们一起去了解并探讨一下这个问题吧!
R语言
推荐算法中
物品-物品用关联规则；
人物-物品用协同过滤；
人-人用社会网络分析；
特征-物品用预测建模，分类模型。
关联规则和协同过滤算法
关联规则，将所有用户的高频产品进行推荐，但是如果要清仓，清除一些低频的产品，关联规则不太适用；而协同过滤可以顾及长尾。
几个概念的参考：
支持度（support）：共5笔订单，3笔包含商品A，A的支持度是3/5。
置信度（confidence）：已知购买了A，有多大概率购买了B（即同时购买了AB），称A -> B的置信度。
提升度：如果用户购买商品B，100%会买C，那是不是意味着，如果用户将商品B放入购物车，就可以向用户推荐商品C呢？
大于1，说明有效，在购买A时推荐B，比直接推荐B，效果更好
等于1，说明无关，购买A与购买B，是独立事件
