今天跟大家唠唠我最近实战的一个项目，标题就叫《稍逊》，为啥叫这名儿？看完你就知道了，有点一言难尽。
事情是这样的，前段时间接了个小私活，帮一个做电商的朋友搞个商品推荐系统。 他那边数据量不大，几万个商品，用户量也不算多，所以想着整个简单点的，快速上线。 我寻思着，这还不简单？ 之前也做过类似的，直接抄起家伙就开干。
第一步，当然是数据准备。 从朋友那儿把商品数据和用户行为数据扒拉下来，商品数据包括商品的基本信息，比如名称、价格、类目啥的，用户行为数据就是用户的点击、购买、收藏等等。 先用pandas把数据清洗一遍，把那些脏数据、缺失值啥的都给处理掉，这一步花了点时间，毕竟数据质量不高，各种奇葩的都有。
第二步，特征工程。 我这边的想法是，既然数据量不大，就别搞那些复杂的模型了，直接用简单的协同过滤。 就提取了一些简单的特征，比如：
- 用户购买过的商品类目
- 用户浏览过的商品价格区间
- 商品被点击的次数
- 商品被购买的次数
这些特征提取完，用one-hot编码处理一下，变成数值型的，方便模型计算。
第三步，模型训练。 用的最简单的基于用户的协同过滤算法。 计算用户之间的相似度，然后找到和目标用户最相似的N个用户，把这N个用户购买过的商品推荐给目标用户。 相似度计算用的余弦相似度，简单粗暴。 模型训练过程也没啥好说的，直接调包，sklearn一把梭。
第四步，模型评估。 这一步就有点尴尬了。 评估指标用的常用的召回率和准确率。 结果？ 只能说差强人意。 召回率还可以，但是准确率就有点低了，推荐出来的商品，用户不太感兴趣。 我仔细分析了一下原因，主要还是特征太简单了，没法准确捕捉用户的兴趣。
第五步，模型优化。 为了提高准确率，我尝试了一些方法：
- 增加特征：比如商品的标签、描述等等，希望能更细致地描述商品
- 调整相似度计算方法：尝试了其他的相似度计算方法，比如皮尔逊相关系数
- 调整推荐数量：减少推荐商品的数量，希望能提高推荐的质量
但是，效果都不太明显。 准确率提升了一点点，但是还是达不到朋友的要求。 我有点郁闷了，按理说，协同过滤应该还可以，怎么效果这么差？
上线。 虽然效果不太但是时间也差不多了，只能先上线看看效果。 结果，正如我预料的那样，用户反馈一般。 有用户说推荐的商品不感兴趣，也有用户说推荐的商品重复。 我有点灰心了，这回实战，只能用“稍逊”来形容。 虽然完成了任务，但是效果离预期差太远了。
总结一下这回的教训：
- 数据质量很重要：好的数据是模型的基础，数据质量不高，再好的模型也白搭。
- 特征工程是关键：特征工程决定了模型的上限，好的特征可以提升模型的性能。
- 模型选择要合适：根据数据量和业务场景选择合适的模型，不是越复杂的模型越
思考
这回实战虽然不太成功，但也让我学到了很多。 以后再做类似的项目，一定要更加重视数据质量和特征工程。 还有，要多学习一些新的推荐算法，不能总是用老一套。 革命尚未成功，同志仍需努力！
还没有评论，来说两句吧...