电子商务推荐系统中 knn 算法的最佳 k 是多少

Question

我正在尝试使用 k 最近邻算法在我的毕业项目应用程序中制作推荐系统。

我做了一个项目推荐系统，根据产品评分向活跃用户推荐产品。
我的数据集是一个从数据库中填充的矩阵，列代表系统的用户，行代表系统中的产品，矩阵填充每个用户对每个产品的评分值。如下例dataset example ，但就我而言，有产品而不是电影。

现在有 17 个产品（行）和 12 个用户（列）。但我想要一个准确的通用方法来找到 k 。

我写了下面的代码来求k，我用k=sqrt(n)/2作为一个方程来求一个好的k值（n代表申请中产品的数量）。但我想要更准确的方法来找到 k 值。所以请帮助我。

k 值：

 private int determineK (int n) {
        String sizeString = Integer.toString( n ) ;
        double sizeDouble = Double.parseDouble( sizeString );
       double root = Math.sqrt( sizeDouble );
        double rawK = root / 2 ;
        int num = Math.round( ( float )rawK ) ;
        if ( num%2 != 0 ) {
            return num ;
        }
        else {
            return num + 1 ;  //odd
        }
    }

Answer 1

您总是可以根据经验使用 cross validation 并迭代多个值来找到好的 k 值。

通过交叉验证（比如 10%），对于 k 的每个候选者，您在 90% 的样本上训练数据，并在剩余的 10% 上测试它（重复 10 次，对于每个不同的“测试”集以获得更具统计意义的结果）。从每个候选人中，您会得到 precision/recall 曲线，并可以根据它确定您的最佳 k。

电子商务推荐系统中 knn 算法的最佳 k 是多少

what is the optimal k for knn algorithm in ecommerce recommendation system

algorithm

machine-learning

nearest-neighbor

knn

recommender-systems