R: Obtention des probabilités d'achat par le client d'articles du top-N du paquet recommenderlab

Question

J'utilise le filtrage collaboratif basé sur l'utilisateur du paquet recommenderlab dans R pour faire des recommandations sur les éléments N premiers à un utilisateur. J'utilise une matrice d'item utilisateur binaire en entrée (créée à partir de l'historique des achats).

Est-il possible d'obtenir des probabilités que le client achètera l'article pour chacun des articles N-top au lieu de simplement obtenir les articles N-top?

dB est ma matrice de l'élément-utilisateur et je suis en utilisant le code suivant:

r <- as(dB, "binaryRatingMatrix") 
rTrain <- r[1:874, ] 
rTest <- r[875, ] 

rr <- Recommender(rTrain, method = "UBCF", 
        parameter = list(method = "Jaccard", nn = 50)) 

rrP <- predict(rr, rTest, n = 500, type = "topNList") 
predCF <- as(rrP, "list") 

Dans predict méthode dans le package caret il vous suffit de préciser type="prob", donc je cherche quelque chose de similaire dans le paquet recommenderlab. J'ai essayé de mettre type="ratings", mais j'ai eu le même résultat.

Answer 1

Les algorithmes de recommandation standard prédisent les notations (qui sont des scores), mais pas les probabilités d'achat. L'idée est que l'article avec le plus haut score (score) est l'article le plus souhaitable et donc probablement l'achat suivant (peut-être a la plus forte probabilité d'achat), mais cela ne vous donne pas une probabilité directement.