推荐系统设计答案

【问题标题】：Recommendation system design推荐系统设计
【发布时间】：2015-11-13 02:50:33
【问题描述】：

我目前正在进行一项研究，试图预测人们的智商。研究就是这样进行的，参与者在第一天进行智商测试。他们每隔 2 周定期参加 6 个月的考试（可能有不同的问题）。

鉴于这些信息（或数据集），如何设计推荐系统。我想象它是这样的

IQvalue --input--> [推荐引擎] --spits out--> 可能的IQ值（6个月后）

我的实际研究根本不是关于智商的。我刚刚做了这个例子。请建议我是否朝着正确的方向前进？有没有做类似事情的算法？

感谢任何帮助。

【问题讨论】：

请考虑在投反对票之前添加评论。
那么您想知道如何给它们评分吗？你为什么不做一些谷歌搜索，看看当前的智商测试是如何评分的？
我不想知道它们是如何分级的。我的研究根本不是智商测试。我说的是推荐系统。
我投了反对票，因为这与编程无关。
感谢您告诉我。标签recommendation-engine 没有说是关于编程的，所以我在这里问了。

标签： recommendation-engine

【解决方案1】：

对于案例1，你只有时间相关的智商值，建议你考虑时间序列分析的方法。你的目标是预测智商如何随时间变化。我对这个解决方案的建议是 statsmodels 库。它的github地址如下： https://github.com/statsmodels/statsmodels 。该工具是用python编写的，易于使用。它包含许多常用的 tsa 模型，例如 ARIMA。

对于案例2，如果你也有人的特征，比如QA测试的答案、年龄、性别、教育程度等，我建议你考虑使用机器学习的方法来预测智商。你可以考虑随机森林或梯度提升来解决这个问题。我建议你使用 Scikit-learn 或 xgboost 等工具。

对于案例 3，您可以将其建模为推荐系统问题。假设user-test people，item-IQ，rating-IQ值，可以构造一个user-item矩阵。之后，您可以使用 RS 方法，例如矩阵分解或基于内存的方法来预测 IQ 值。

在我看来，前两种方法可能更适合您的情况。

【讨论】：