Aller au contenu
English

Le filtrage utilisateur-utilisateur et ses limites

  • Leçon 13
  • 30 min
  • Module 4 : Les voisins et le filtrage collaboratif

Où nous en sommes

Dans la dernière leçon, le filtrage collaboratif article-article additionnait les voisins de chaque produit avec lequel un client avait interagi. Il était facile à expliquer, mais faible sur la page d'accueil de Larkfield. Nous pouvons inverser l'idée et chercher des clients similaires plutôt que des produits similaires. Dans cette leçon, nous essayons le filtrage collaboratif utilisateur-utilisateur. Nous mesurons son coût et la fragilité de ses voisins quand la plupart des clients n'achètent qu'une fois.

Leçon 13 sur 29 · Recommandation et personnalisation : montrer à chacun ce qui compteLe filtrage utilisateur-utilisateur et ses limites
Aperçu du cours

5. La factorisation matricielle pour la rétroaction implicite

  1. Goûts cachés
  2. ALS et BPR avec implicit
  3. Régler sans vous tromper vous-même

Ce que vous saurez faire

Trouvez des clients qui ont interagi avec les mêmes produits, puis suggérez les produits avec lesquels ils ont interagi. Mesurez l’efficacité de cette méthode pour Larkfield et son coût. Examinez pourquoi ses voisins sont fragiles dans un magasin où la plupart des clients n’achètent qu’une fois.

Carnet JupyterFaites cette leçon dans un carnet JupyterColab · Kaggle · GitHub · en anglais

Le carnet (notebook) Jupyter trouve les clients les plus similaires au client d’un petit exemple, puis à de vrais clients de Larkfield. Vous comptez combien de clients sont à égalité au 50e rang pour un client. Ensuite, le carnet mesure le temps de la méthode. Ses cellules de préparation téléchargent environ 8 Mo de données d’exercice. Environ 20 minutes.

Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 30 minutes

Ce que vous devez savoir

Ce qu’il vous faut sur votre ordinateur (seulement pour les étapes du projet)

  • Votre projet larkfield-recs avec les trois fichiers du module jusqu’ici. recs explain C100123 affiche un score de 4,353.
  • Les fichiers d’exercice dans ../nextia-learning-labs, à côté du dossier du projet.

Testé sur macOS avec Python 3.12. Les commandes Windows (PowerShell) n’ont pas été exécutées.

Vous et une collègue aimez les mêmes films. Chaque film qu’elle a adoré, vous l’avez aussi adoré. Alors, quand elle dit « regardez celui-ci », vous l’écoutez. Vous n’avez pas besoin de savoir pourquoi le film est bon. Vous lui faites confiance parce que ses choix passés correspondaient aux vôtres.

C’est le filtrage collaboratif utilisateur-utilisateur. Au lieu de produits qui vont ensemble, nous cherchons des clients qui se ressemblent : des clients qui ont interagi avec les mêmes produits. Nous suggérons ensuite les produits avec lesquels ils ont interagi, mais pas notre client.

Le filtrage collaboratif utilisateur-utilisateur comporte deux étapes :

  1. Trouvez les clients les plus similaires à notre client. Le projet utilise la similarité cosinus selon les produits avec lesquels chacun a interagi. Il divise le nombre de produits communs par la racine carrée du produit des nombres de produits des deux clients. Il garde les 50 clients les plus similaires.
  2. Calculez le score de chaque produit en additionnant (similarité du voisin × poids du voisin pour ce produit). Les poids sont les mêmes que ceux d’item-cf : consultation 1, panier 3, commande 5, divisés par deux tous les 60 jours.

Les produits aux scores les plus élevés forment la liste.

Prenez les huit clients du magasin de camping de Les clients ont aussi acheté, et Kim, de la dernière leçon. Pour simplifier les nombres, nous utilisons seulement sa tente et laissons de côté la lanterne qu’elle a consultée. Si le client a acheté une tente, sa similarité avec Kim vaut 1 / √(1 × son nombre de produits). Nous comptons chaque achat comme 1 pour simplifier les nombres.

Client Achats Similarité avec Kim
Chen Tente, gants 1 / √2 = 0,707
Ana Tente, sac de couchage, gants 1 / √3 = 0,577
Ben Tente, sac de couchage, lanterne 1 / √3 = 0,577
Gus Tente, gants, lanterne 1 / √3 = 0,577
Dara, Eli, Femi, Ivo aucune tente 0
Kim, qui a acheté une tente, avec des flèches vers quatre clients similaires : Chen (tente, gants), avec une similarité de 0,707, et Ana (tente, sac de couchage, gants), Ben (tente, sac de couchage, lanterne) et Gus (tente, gants, lanterne), avec 0,577 chacun. Leurs bordures sont en pointillés parce qu'ils sont à égalité. Tous les quatre mènent aux scores de Kim : gants 0,707 + 0,577 + 0,577 = 1,86, sac de couchage 0,577 + 0,577 = 1,15, lanterne 0,577 + 0,577 = 1,15.
Le filtrage utilisateur-utilisateur pour une cliente avec un seul produit : un voisin clair, puis trois clients à égalité. Les scores additionnent les similarités des voisins qui ont acheté chaque produit.
Description textuelle du diagramme

Kim a acheté une tente. Des flèches mènent aux quatre clients qui ont aussi acheté une tente. Chen, qui a acheté une tente et des gants, a une similarité de 0,707. Ana, Ben et Gus ont chacun acheté trois produits, dont la tente, et ont chacun une similarité de 0,577. Leurs encadrés ont des bordures en pointillés parce qu’ils sont à égalité. Tous les quatre mènent aux scores de Kim. Gants : 0,707 + 0,577 + 0,577 = 1,86. Sac de couchage : 0,577 + 0,577 = 1,15. Lanterne : 0,577 + 0,577 = 1,15.

La première suggestion de Kim est les gants, le meilleur vendeur du magasin. Les clients similaires apportent leurs produits populaires avec eux.

Gardez maintenant seulement les 2 clients les plus similaires au lieu de 50. Chen est premier. Trois clients sont à égalité au deuxième rang, avec 0,577. Le code doit en choisir un, selon l’ordre qu’il utilise.

  • S’il choisit Ana, la liste de Kim contient les gants, puis le sac de couchage.
  • S’il choisit Ben, la liste contient les gants, puis le sac de couchage et la lanterne avec des scores égaux.
  • S’il choisit Gus, la liste contient les gants, puis la lanterne.

La deuxième suggestion dépend d’un choix arbitraire. Kim nous a dit une seule chose sur elle-même : une tente. Ce n’est pas assez pour déterminer lequel des trois clients lui « ressemble le plus ». C’est le problème du filtrage utilisateur-utilisateur dans un magasin où la plupart des clients n’achètent qu’une fois.

Larkfield : le filtrage utilisateur-utilisateur obtient de bons scores

Section intitulée « Larkfield : le filtrage utilisateur-utilisateur obtient de bons scores »

Commençons par la surprise. Sur la période de test de Larkfield, le filtrage utilisateur-utilisateur obtient 0,145 (intervalle à 95 % de 0,132 à 0,159). C’est la meilleure méthode de ce module, et elle est proche de trending.

Rappel à 10 de la référence de base trending et des quatre méthodes à voisins sur la période de test de Larkfield, avec des intervalles à 95 % sur 2 118 clients. Le filtrage utilisateur-utilisateur est la meilleure méthode à voisins; son intervalle chevauche celui de trending.
Description textuelle du graphique

Un graphique avec une ligne par méthode et un axe horizontal pour le rappel à 10, de 0 à 0,2. Trending 0,156 (0,143 à 0,172). Cooc 0,122 (0,109 à 0,136). Lift 0,059 (0,049 à 0,069). Item-cf 0,088 (0,077 à 0,101). User-user 0,145 (0,132 à 0,159). Les intervalles de user-user et de trending se chevauchent.

Sur les mêmes clients, recs compare indique :

  • Le filtrage utilisateur-utilisateur est nettement meilleur qu’item-cf : +0,057 (+0,047 à +0,068), et meilleur dans chaque segment. Le gain le plus important concerne les clients occasionnels : +0,080.
  • Le filtrage utilisateur-utilisateur ne se distingue pas clairement de trending : −0,011 (−0,027 à +0,005).

Pourquoi dépasse-t-il item-cf? Item-cf examine les voisins des anciens produits du client lui-même. Le filtrage utilisateur-utilisateur examine les interactions des clients similaires, en donnant plus de poids aux événements récents. Beaucoup de ces clients étaient actifs récemment, donc leurs produits comprennent ceux de cette saison. Le filtrage utilisateur-utilisateur place plus de nouveaux produits dans ses listes qu’item-cf (13,3 % contre 11,5 %). Il trouve aussi plus de commandes de nouveaux produits : 0,162 contre 0,128.

Le filtrage utilisateur-utilisateur fonctionne donc ici, hors ligne. Ses problèmes sont ailleurs : le coût et la stabilité.

Limite 1 : il est lent, et le travail croît au carré

Section intitulée « Limite 1 : il est lent, et le travail croît au carré »

Item-cf garde une petite table : 50 voisins pour chacun des 2 994 produits. Pour créer une liste, il cherche les produits du client dans la table.

Le filtrage utilisateur-utilisateur n’a pas de telle table. Pour trouver les voisins d’un client, il le compare à chaque client du magasin : 40 000 similarités par client. Pour tous les clients, cela donne 40 000 × 40 000 = 1,6 milliard de comparaisons. La plupart valent zéro, et la matrice creuse les ignore, mais le travail reste important.

item-cf user-user
Listes pour les 2 118 clients de test 0,1 s 0,5 s
Listes pour les 40 000 clients 0,8 s 10,1 s
Mémoire maximale 609 Mo 866 Mo

Ces mesures utilisent un seul fil d’exécution de l’ordinateur portable de référence. Vos temps seront différents. Le filtrage utilisateur-utilisateur est environ 13 fois plus lent pour l’ensemble des clients. Il utilise aussi le plus de mémoire dans ce module.

Le plus grand problème est la croissance. Doublez le nombre de clients : chacun a deux fois plus de clients auxquels se comparer, et il y a deux fois plus de clients. Le travail est multiplié par environ quatre. La table d’item-cf croît avec le nombre de produits, qui change beaucoup plus lentement. Pour une requête au chargement de la page, le budget d’Amira est de 100 ms (une hypothèse de ce cours). Le filtrage utilisateur-utilisateur doit parcourir 40 000 clients dans ce budget; item-cf lit seulement quelques lignes de sa table.

Un produit avec lequel une centaine de clients ont interagi a des voisins stables. Un client qui a interagi avec quelques produits n’en a pas. Ses similarités avec les autres prennent peu de valeurs distinctes, comme les 0,707 et 0,577 de Kim. Beaucoup de clients sont donc à égalité.

Le carnet montre un cas extrême. Le client de test C100306 a interagi avec un seul produit. 103 autres clients ont interagi uniquement avec ce même produit, donc tous les 103 ont une similarité parfaite de 1. La méthode en garde 50, et l’ordre des lignes en mémoire détermine lesquels.

Le projet mesure cela pour chaque client de test ayant un historique. Pour chacun, nous trouvons la 50e similarité la plus élevée. Puis nous demandons : y a-t-il plus de clients qui partagent cette valeur que de places restantes? Si oui, le code doit en choisir certains arbitrairement.

Part des clients de test dont les 50 clients les plus similaires se terminent par une égalité, rendant une partie des 50 arbitraire. Seuls les clients ayant au moins un événement avant la période sont comptés.
Description textuelle du graphique

Un diagramme à colonnes avec trois colonnes. Nouveaux clients ayant au moins une consultation (319 clients) : 80 % ont une égalité au 50e rang. Clients occasionnels (556) : 78 %. Clients fidèles (610) : 60 %. Même avec des historiques plus longs, la plupart des seuils de sélection tombent dans une égalité.

Pour 78 % des clients occasionnels, les 50 « clients les plus similaires » se terminent par une égalité. L’ordre des lignes en mémoire choisit une partie du groupe, plutôt que les données. Même pour les clients fidèles, cette part atteint 60 %.

Les listes changent davantage d’une semaine à l’autre

Section intitulée « Les listes changent davantage d’une semaine à l’autre »

Un deuxième test : entraînez le modèle une semaine plus tôt, sur les événements avant le 15 juin plutôt que le 22 juin. Créez ensuite des listes pour les mêmes clients de test. Combien des 10 produits restent?

Part des 10 produits d'une liste client qui restent les mêmes quand le modèle est entraîné une semaine plus tôt, par segment. Le filtrage utilisateur-utilisateur change le plus, surtout pour les clients occasionnels.
Description textuelle du graphique

Trois panneaux, un par segment, avec un axe horizontal de 70 % à 95 %. Nouveaux clients : cooc 86 %, item-cf 86 %, user-user 85 %. Clients occasionnels : cooc 84 %, item-cf 81 %, user-user 77 %. Clients fidèles : cooc 91 %, item-cf 84 %, user-user 84 %.

Le filtrage utilisateur-utilisateur change le plus, mais la différence n’est pas énorme : 82 % de ses produits restent, contre 84 % pour item-cf. Elle est la plus grande pour les clients occasionnels (77 % contre 81 %). Certains changements sont bons : la semaine a apporté de nouvelles commandes. Mais un client qui n’a rien fait cette semaine-là peut quand même voir une page d’accueil différente. Les actions des autres clients ont fait entrer ou sortir des personnes de son groupe de 50.

Les nouveaux clients n’ont toujours rien de personnalisé

Section intitulée « Les nouveaux clients n’ont toujours rien de personnalisé »

633 des 952 nouveaux clients de test n’ont interagi avec aucun produit. Le filtrage utilisateur-utilisateur ne peut pas leur trouver de client similaire. La liste trending remplit donc leurs cases, comme pour item-cf. Pour les 319 nouveaux clients ayant quelques consultations, le filtrage utilisateur-utilisateur fait mieux qu’item-cf : 0,135 contre 0,046. Trending leur donne quand même 0,172.

Quand l’utiliser, quand l’éviter et combien il coûte

Section intitulée « Quand l’utiliser, quand l’éviter et combien il coûte »

Utilisez le filtrage utilisateur-utilisateur quand la communauté est petite ou moyenne et que les historiques sont riches. Exemples : un club de lecture dont les membres notent des dizaines de livres, ou un magasin où chaque client d’affaires commande tous les mois. Utilisez-le hors ligne, comme source de candidats dans un traitement en lot chaque nuit. Sa raison « des clients comme vous » est facile à expliquer, mais plus difficile à montrer que « parce que vous avez acheté X ».

Ne l’utilisez pas au moment d’une requête dans un grand magasin : la recherche parmi tous les clients croît au carré de leur nombre. Ne faites pas confiance à ses voisins pour les clients avec un ou deux produits : le seuil de sélection tombe dans une égalité. Et ne le jugez pas seulement sur le rappel : chez Larkfield, il égale trending hors ligne, avec beaucoup plus de travail.

Coût : 10,1 s pour 40 000 clients et 866 Mo au maximum ici, contre 0,8 s et 609 Mo pour item-cf.

Le prochain module garde la bonne idée, « des clients comme vous », et élimine le coût. La factorisation matricielle décrit chaque client et chaque produit avec quelques nombres, appris à partir du journal complet. Trouver des clients similaires ne demande alors plus de parcourir tout le monde.

Exercice guidé : le filtrage utilisateur-utilisateur dans votre projet

Section intitulée « Exercice guidé : le filtrage utilisateur-utilisateur dans votre projet »
  1. Ouvrez le carnet depuis l’encadré Faites cette leçon dans un carnet Jupyter en haut de cette page. Exécutez les cellules de préparation.

  2. Dans la section 1, prédisez combien de clients sont « les plus similaires » à Kim. Exécutez ensuite la cellule.

  3. Exécutez les sections 2 et 3. La section 3 montre un client de test avec un seul produit et combien de clients partagent une similarité avec lui.

  4. Dans la section 4, trouvez la 50e similarité la plus élevée de C100123 et comptez les égalités. La vérification affiche Check passed: (fiftieth, tied) is right. (vérification réussie : le couple du 50e score et du nombre d’égalités est correct).

  5. Exécutez la section 5. Elle mesure le temps du filtrage utilisateur-utilisateur sur 500 clients. Vos temps seront différents des nôtres.

  6. Dans un terminal, dans votre dossier larkfield-recs avec l’environnement virtuel actif, copiez les tests de ce module :

    Fenêtre de terminal
    S=../nextia-learning-labs/C37/snapshots/end-of-m04
    cp $S/tests/test_m04.py tests/
  7. Évaluez le filtrage utilisateur-utilisateur par segment. La méthode est déjà dans neighbours.py, que vous avez copié dans la première leçon de ce module.

    Fenêtre de terminal
    recs evaluate user-user --by segment
    Method user-user (user-user collaborative filtering (cosine, 50 similar customers)), test period
    Customers scored: 2,118; trained on events before 2026-06-22
    recall@10 0.145 (95% interval 0.132 to 0.159), NDCG@10 0.094, MAP@10 0.070, precision@10 0.022, hit rate 18.7%
    coverage 54.2% of the products on sale, novelty 6.17 bits, diversity 0.66, new products in the lists 13.3%
    time: fit 0.0 s, suggestions 0.5 s
    segment customers recall@10 NDCG@10 95% interval (recall)
    new 952 0.157 0.104 0.136 to 0.180
    occasional 556 0.125 0.079 0.100 to 0.151
    loyal 610 0.147 0.092 0.122 to 0.173
    new products: 647 orders of new products in the period; recall@10 on them 0.162
  8. Comparez-le à item-cf sur les mêmes clients :

    Fenêtre de terminal
    recs compare item-cf user-user --by segment
    recall@10: item-cf 0.088, user-user 0.145
    difference +0.057 (95% interval +0.047 to +0.068); better for 189 customers, worse for 38, the same for 1,891
    The difference is clear: the interval does not include 0.
    coverage 53.2% -> 54.2%; novelty 6.45 -> 6.17
    new 952 customers +0.030 (+0.020 to +0.041)
    occasional 556 customers +0.080 (+0.056 to +0.105)
    loyal 610 customers +0.079 (+0.057 to +0.103)
  9. Exécutez les tests avec python -m pytest -q. Vous voyez 17 passed (17 tests réussis).

  10. Votre projet correspond maintenant à l’instantané end-of-m04. Seul son fichier README.md diffère.

Afficher la réponse à l’étape 4
u = cpos["C100123"]
s = (unit[u] @ unit.T).toarray().ravel()
s[u] = 0
fiftieth = np.sort(s)[::-1][49]
tied = int((s == fiftieth).sum())

Dans unit, la ligne de chaque client est divisée par sa longueur. Un seul produit matriciel donne donc la similarité cosinus avec chaque client. Triez les similarités de la plus élevée à la plus faible et prenez le rang 50 (indice 49). Comptez ensuite les clients ayant exactement cette valeur. Pour C100123, la 50e similarité la plus élevée est 0,354, et 15 clients la partagent. Seuls certains d’entre eux entrent dans les 50, donc les dernières places relèvent d’un choix arbitraire.

À vous de jouer : le filtrage utilisateur-utilisateur contre la référence de base

Section intitulée « À vous de jouer : le filtrage utilisateur-utilisateur contre la référence de base »

Changez une chose : la méthode de comparaison. Avant l’exécution, prédisez : le filtrage utilisateur-utilisateur est-il meilleur que trending pour les clients fidèles? Exécutez ensuite recs compare trending user-user --by segment.

Afficher la réponse
recall@10: trending 0.156, user-user 0.145
difference -0.011 (95% interval -0.027 to +0.005); better for 199 customers, worse for 235, the same for 1,684
The difference is not clear: the interval includes 0.
coverage 0.3% -> 54.2%; novelty 5.10 -> 6.17
new 952 customers -0.012 (-0.029 to +0.004)
occasional 556 customers -0.037 (-0.075 to +0.002)
loyal 610 customers +0.015 (-0.018 to +0.046)

Pour les clients fidèles, le filtrage utilisateur-utilisateur est un peu meilleur (+0,015), mais l’intervalle comprend 0. Le résultat n’est donc pas clair. Dans l’ensemble, aucune différence n’est claire dans aucun segment. Le filtrage utilisateur-utilisateur montre beaucoup plus du magasin (couverture de 54,2 % contre 0,3 %) pour le même rappel. C’est un vrai gain pour la longue traîne, mais il demande environ 13 fois le travail d’item-cf.

Erreur courante

La page d'accueil d'un client a changé, mais il n'a rien fait

Symptôme : un client écrit à Larkfield : « Hier, vous m’avez suggéré une lanterne, aujourd’hui un sac de couchage. Je ne suis pas retourné sur votre site depuis. » Amira vérifie : les événements du client n’ont pas changé.

Cause : le client a un historique court, donc ses 50 clients les plus similaires se terminent par une égalité. De nouvelles commandes d’autres clients ont fait entrer ou sortir certains d’entre eux des 50, et la liste a changé.

Diagnostic : calculez les similarités du client et comptez les égalités au 50e rang, comme dans le carnet.

Correction : acceptez certains changements, ou départagez les égalités avec une règle stable (par exemple, le client le plus récent d’abord). Mieux : utilisez item-cf ou la factorisation matricielle pour les clients aux historiques courts.

Erreur courante

Rapide pendant le test, lent pendant le traitement en lot nocturne

Symptôme : recs evaluate user-user indique suggestions 0.5 s (suggestions en 0,5 s). Amira planifie le traitement en lot nocturne pour tous les clients et s’attend à quelques secondes. Il prend beaucoup plus de temps.

Cause : l’évaluation calcule les scores seulement pour les 2 118 clients de test. Le traitement en lot calcule les scores pour les 40 000 clients, et compare chacun aux 40 000 clients. Ici, il a pris 10,1 s contre 0,8 s pour item-cf. L’écart croît au carré du nombre de clients.

Correction : mesurez le temps d’une méthode sur le nombre réel de clients avant de la choisir. Limitez le travail au moment d’une requête : consultez une table, ne parcourez pas tous les clients.

Vérifiez votre compréhension

Kim a acheté seulement une tente. Pourquoi user-user ne peut-il pas départager les clients les plus semblables à Kim après Chen? Pourquoi est-ce important?

Afficher la réponse

Ana, Ben et Gus ont chacun acheté la tente et deux autres produits. Leur similarité avec Kim est donc la même : 1 / √3 = 0,577. Ils sont à égalité. Si la méthode ne garde que quelques voisins, elle doit choisir entre eux de façon arbitraire. Ce choix change la deuxième suggestion de Kim. Avec un seul produit, l’historique de Kim est trop court pour les départager. Chez Larkfield, la plupart des clients achètent une seule fois. Cela arrive donc souvent : pour 78 % des clients occasionnels du test, le 50e voisin est à égalité avec d’autres.

Vérifiez votre compréhension

User-user a un rappel plus élevé qu'item-cf chez Larkfield (0,145 contre 0,088). Donnez deux raisons pour lesquelles Amira pourrait quand même préférer item-cf pour la page d'accueil en production.

Afficher la réponse

Coût : user-user compare chaque client aux 40 000 clients. Ici, il est donc environ 13 fois plus lent pour l’ensemble des clients et utilise plus de mémoire. Son travail augmente avec le carré du nombre de clients. Item-cf lit une petite table de 50 voisins par produit. Stabilité et explication : les derniers voisins de user-user sont souvent à égalité et changent quand d’autres clients agissent. Les voisins d’item-cf proviennent de nombreux clients par produit. Chaque suggestion peut s’expliquer à partir des produits du client.

Vérifiez votre compréhension

Si Larkfield double son nombre de clients, de combien augmente environ le travail de user-user pour créer les listes de tous? Et celui d'item-cf?

Afficher la réponse

User-user : environ quatre fois plus. Il y a deux fois plus de clients à évaluer. Chacun est comparé à deux fois plus de clients. Item-cf : sa table de voisins dépend des produits, pas des clients. Le coût de la table reste donc à peu près le même. Le travail de création des listes augmente seulement avec le nombre de clients. Il double donc environ.

Récapitulatif

  • Le filtrage collaboratif utilisateur-utilisateur trouve les 50 clients les plus semblables à un client. Il utilise la similarité cosinus des interactions de chacun avec les produits, puis additionne les poids de leurs produits.
  • Chez Larkfield, c’est la meilleure méthode par voisins : 0,145 sur la période de test. Elle est clairement meilleure qu’item-cf (+0,057), sans différence nette avec trending (−0,011, de −0,027 à +0,005).
  • Lent : il compare chaque client aux 40 000 clients. Les listes de tous les clients prennent 10,1 s contre 0,8 s pour item-cf. Le travail augmente avec le carré du nombre de clients.
  • Fragile : avec des historiques courts, beaucoup de clients sont à égalité. Le 50e voisin est à égalité avec d’autres pour 78 % des clients occasionnels. Après un entraînement une semaine plus tôt, 82 % de sa liste reste identique, contre 84 % pour item-cf.
  • Les lignes du module dans le tableau comparatif : cooc 0,122, lift 0,059, item-cf 0,088, user-user 0,145. Aucune ne dépasse trending (0,156).

Les méthodes par voisins comparent les historiques bruts, produit par produit ou client par client. Ensuite, nous apprendrons quelques nombres cachés pour chaque client et chaque produit. Ils décrivent les goûts et rendent peu coûteuses les suggestions fondées sur des « clients comme vous ».

Leçon suivante : Goûts cachés