基于CART决策树的服装推荐系统：从特征工程到模型部署实战

1次阅读

没有评论

共计 1600 个字符，预计需要花费 4 分钟才能阅读完成。

电商平台的服装推荐场景存在两个典型问题：

冷启动难题 ：新用户或新品缺少历史交互数据，协同过滤难以生成有效推荐
特征利用不足 ：服装的品类、颜色、季节等结构化特征未被充分挖掘，仅依赖用户 - 商品矩阵

对比三种树模型在推荐场景的表现：

CART 决策树 ：
优势：模型可解释性强，适合业务方验证规则；训练速度快
劣势：单棵树容易过拟合
随机森林 ：
优势：抗过拟合能力好
劣势：黑箱特性不利于业务解释
XGBoost：
优势：精度通常最高
劣势：依赖大量超参调优

最终选择 CART 因其可解释性符合业务审计需求，且通过后文剪枝策略可缓解过拟合。

服装数据的典型特征处理方法：

# 类别型特征：颜色 / 品类等
color_encoder = LabelEncoder().fit(['红','蓝','白'])
df['color_encoded'] = color_encoder.transform(df['color'])

# 数值型特征：价格标准化
price_scaler = StandardScaler()
df['price_norm'] = price_scaler.fit_transform(df[['price']])

# 时序特征：季节周期性编码
df['season_sin'] = np.sin(2*np.pi*df['month']/12)
df['season_cos'] = np.cos(2*np.pi*df['month']/12)

带预剪枝的 CART 实现：

from sklearn.tree import DecisionTreeClassifier

# 重要参数说明：# max_depth=5 防止过拟合
# min_samples_leaf=50 保证叶子节点样本量
model = DecisionTreeClassifier(
    criterion='gini',
    max_depth=5, 
    min_samples_leaf=50,
    class_weight='balanced' # 处理类别不平衡
)
model.fit(X_train, y_train)

def generate_recommendation(user_features):
    # 获取叶子节点路径
    leaf_path = model.decision_path(user_features)

    # 提取同类用户偏好商品
    similar_users = leaf_to_users_map[leaf_path]
    return top_k_items(similar_users)

全量更新：每周离线训练新模型
增量更新：实时记录用户点击反馈，更新叶子节点统计量

# 特征脱敏示例
def anonymize_features(df):
    # 删除直接标识字段
    df.drop(['user_id','ip'], axis=1, inplace=True)

    # 数值特征添加噪声
    df['age'] += np.random.laplace(0, 0.1, size=len(df))
    return df

加权采样：class_weight='balanced'
欠采样多数类
过采样少数类（SMOTE）

from sklearn.model_selection import StratifiedKFold

cv = StratifiedKFold(n_splits=5, shuffle=True)
scores = cross_val_score(model, X, y, cv=cv, scoring='f1')

测试集指标（对比基线模型）：