Raccomandare nuovi prodotti usando i cluster k-means?

1

Sto cercando di capire il modo migliore per raccomandare immagini basate sulle passate classificazioni usando i cluster k-means. Quello che ho fatto è mappare i valori RGB di un insieme di immagini, eseguire un'analisi del cluster di k-means su quei valori RGB e attaccare un "rating" a ciascuna immagine. Questo ha creato celle Voronoi simili a questo grafico . Ho archiviato i centri del cluster e le valutazioni nel mio "set di allenamento".

Il prossimo passo è prendere una nuova immagine e formulare una raccomandazione basata sul set di allenamento delle immagini precedenti. Non sono sicuro di come procedere. Vorrei implementare un processo di filtraggio collaborativo? O devo eseguire ulteriori elaborazioni sui dati?

Non sono sicuro che sia importante, ma sto usando Apache Spark per il progetto. Grazie!

Modifica: il filtraggio collaborativo non è probabilmente il modo migliore di procedere, poiché le funzionalità che vengono confrontate per i prodotti utilizzano più di semplici valutazioni. Ho bisogno di confrontare la somiglianza. Immagino che ciò implicherebbe operazioni con matrici pesanti?

Modifica2: alcuni commenti qui sarebbero fantastici. Quello che sto pensando è la formazione di due set di dati (una valutazione di immagini "sì" rispetto a immagini "no") e quindi l'utilizzo di computeCost funzione per sviluppare un valore per varianza / bias di un'immagine da confrontare. Il passaggio finale dovrebbe quindi confrontare se l'immagine era più simile al set di dati "sì" o "no", quindi fare una raccomandazione finale. Sono nuovo nell'apprendimento automatico, quindi potrei pensare troppo.

    
posta crockpotveggies 05.01.2015 - 03:26
fonte

1 risposta

1

Ho pensato di rispondere alla mia stessa domanda qui con la mia soluzione finale. Mi sono reso conto che sebbene potessi ottenere dati parzialmente significativi dal k-means del clustering di valori RGB, il problema era che la raccomandazione non era basata su caratteristiche significative dell'immagine. Potrebbe essere potenzialmente utile in futuro per altri aspetti (come l'illuminazione o la "luminosità").

La soluzione finale stava usando EigenFaces per l'apprendimento delle immagini. L'articolo di seguito è stato il più utile per me per capire le basi e andare avanti:

link

    
risposta data 08.01.2015 - 19:49
fonte

Leggi altre domande sui tag