अपरिहार्य या क्रॉस-सेलिंग रेफरल सिस्टम बनाने के लिए पांच चरण

स्टेज 0: शुरुआत की तरह

आधुनिक दुनिया की वास्तविकताओं में, जब हर चीज और हर किसी के बारे में सर्वव्यापी डिजिटलकरण और डेटा का संचय होता है, तो एक उचित सवाल उठता है, लेकिन इन आंकड़ों का उपयोग कैसे करें? कई, निश्चित रूप से, मनोरंजन और बिक्री के क्षेत्रों में सिफारिश प्रणालियों के बारे में पहले ही सुन चुके हैं। विशेष रूप से डेटा विज्ञान और सिफारिश प्रणाली के क्षेत्र में निवेश के रुझान से निवेश कंपनियां अलग नहीं होती हैं। तो आइए देखें कि क्रॉस-बिक्री प्रभावशीलता बढ़ाने के लिए अपनी खुद की सिफारिश प्रणाली विकसित करने के लिए एक बड़ी निवेश कंपनी को किन सुविधाओं और किन चरणों से गुजरना पड़ा और अंत में क्या हुआ।

स्टेज 1: इनकार

निवेश कंपनी में बिक्री प्रक्रिया और अन्य कंपनियों में समान प्रक्रिया के बीच क्या अंतर है? आइए देखें कि क्या आम है।

• / ( , ).
• , ( ).

.

• , .
• , (, ) .
• , , .
• .

: , . , , , . - ( , ).

2:

-, , . , : , , , , -, , ( ). 100 , . , , .

7070 , ( ) . Pandas NumPy Python. 31, , , - . Python , . .

, , () :

• ,
• ,
• ,
• - .

3:

, ? – , .

, , . , , .

, . «» . :

1. , .
2. « », .. , , , .
3. .

, « » , .. . , , , «» :

• . = 1
• . = 2

, . .

, , ?

«». , , . : , , , .

. 0 1, 0 – . , ...

4:

, Python « », :

dist_cosini = scipy.spatial.distance.cosine(user_one, user_two)

- , Python «», 30000 31- , . .

, , , «l1-» ( — ), «l2-» ( ).

manhattan = round(numpy.linalg.norm(user_one - user_two, ord = 1), 4)

euclidean = round(numpy.linalg.norm(user_one - user_two, ord = 2), 4)

. , . , , . , «l1-» - , «l2-» — . , , …

. , «» , . - .

?

.

, ?

• «» «» .
• GIL ( ), Python .

...

. :

• ( — ).
• .
• - , .. , .
• : 0 1, .

:

, ( B). , :

import numpy as np

CosD = round(1 - (np.sum((user_one * user_two)) / (np.sqrt(np.sum(user_one**2)) * np.sqrt(np.sum(user_two**2)))), 4)

, «l-», .

GIL (Global Interpreter Lock) . , «» GIL, «». , — . , ? Numba.

Python, Numba - . - Python , - . Numba - Python LLVM ( Python).

, :

import numpy as np
from numba import njit

@njit
def dist_cosini(user_one, all_user):
    user_point = []
    for q in range(len(all_user)): 
        user_two =  all_user[q]
        CosD = round(1 - (np.sum((user_one * user_two)) / np.sqrt(np.sum(user_one**2)) / np.sqrt(np.sum(user_two**2))), 4)
        user_point.append(CosD)
    return user_point

, Numba «» GIL . 60 .

5:

"" ( 13 ). .

, — . .

, «» . .

, , , .

. -. , CRM. « » .

:

• ( ).
• « » ( 13 ).

इसके लिए, सिस्टम को हाइब्रिड सिफारिश प्रणाली के एक प्रकार में बदलने के लिए काम शुरू हो चुका है। जटिल उत्पादों के साथ सिफारिश प्रणाली के काम को गहरा करने के लिए भी काम चल रहा है।