Scikit learn不提供任何推荐系统工具。你可以看看mahout，它给出了非常容易启动的命题或火花。
这些天我正在使用python的panda和scikit学习库学习统计学习，它们对我来说是很棒的工具。
我本可以学会分类、回归的方法，当然也可以和它们一起聚类。
但是，当我想创建推荐模型时，我找不到如何从它们开始。例如，如果我有一个客户的购买数据集，其中包含日期、产品名称、产品制造商、价格、订单设备等
建议的问题类型是什么？分类、回归或其他什么？
事实上，当有人必须解决这个问题时，我可以发现有一些非常著名的算法，比如协同过滤。
如果是，我可以使用scikit学习这些算法吗？还是我应该学习另一个M.L图书馆？
问候
然而，在机器学习中，推荐本身就是一个问题。例如，如果你试图预测用户对电影的评分，这可以是回归，如果你想知道用户是否喜欢这部电影，也可以是分类（二元选择）。重要的是，推荐是使用专门针对这个问题的工具和算法，比如基于项目或基于内容的推荐。这些概念实际上很容易理解，并且自己实现一个小的推荐引擎可能是最好的。
我建议您阅读《行动中的驯马师》一书，这本书很好地介绍了推荐概念
螃蟹怎么样https://github.com/python-recsys/crab，是一个Python框架，用于构建与科学Python包（numpy、scipy、matplotlib）世界集成的推荐引擎。我没有使用过这个框架，只是找到了它。看起来只有0.1版本，Crab已经好几年没有更新了。因此，我怀疑它是否有充分的记录。不管怎样，如果你决定尝试Crab，请在那之后给我们反馈：）