我有一个布尔值/二进制值，其中当客户实际购买产品时找到客户和产品ID，如果客户没有购买它，则找不到。这样表示的数据集：使用与二进制数据的余弦相似度 - Mahout
我已经尝试了不同的方法，如GenericBooleanPrefUserBasedRecommender与TanimotoCoefficient或数似然相似之处，但我自己也尝试GenericUserBasedRecommender与非中心余弦相似度，它给了我最高的精度和召回100％和60％。
我不确定在这种情况下使用Uncentered Cosine相似性是否合理，或者这是一个错误的逻辑？以及Uncentered Cosine Similairty对这样的数据集做了什么。
任何想法将非常感激。
谢谢。
100％的精确度是不可能的，所以有些事情是错误的。所有的相似性度量都可以很好地处理布尔数据。请记住，空间的维度非常高。
您的示例数据只包含两个项目（顺便说一下，旧版hadoop版本的Mahout的BTW ID应该为0）。所以如图所示的数据集不会给出有效的精确分数。
我已经使用大型E-Com数据集完成了这项工作，并且对数似然大大超出了布尔数据上的其他度量。
顺便说一句Mahout已经从Hadoop转向Spark，我们唯一的指标是LLR。基于Mahout的-色戒完整的通用导购与事件存储，并预测服务器在这里实现： http://templates.prediction.io/PredictionIO/template-scala-parallel-universal-recommendation 幻灯片描述在这里：http://www.slideshare.net/pferrel/unified-recommender-39986309
太谢谢你了。我没有高维问题，因为我的数据不是那么庞大，我只有大约3000行，而我正在使用内存计算数据库SAP HANA。 我也这么认为，精度永远不会是100％，我最关心的总是与数据的表示有关，因为我拥有所有的偏好1.可以像这样表示布尔数据，或者应该我包含客户没有购买的产品并将其设置为0？也许你可以为我提供一个二进制数据集的例子，我真的很感激它。 – user2255207
使用通用推荐器，用户不与之交互的任何项目都被假定为0.您只需将交互事件发送到绑定到用户的推荐器，定期对数据进行训练，然后通过用户或项目ID进行查询。不需要像旧的Mahout代码一样的id翻译，也不需要枚举项目的所有用户。这些都是从交互数据中检测到的。你也可以使用许多事件，甚至用户配置文件数据。 – pferrel