基于CART决策树的服装推荐系统：原理与工程实践

1次阅读

没有评论

共计 2729 个字符，预计需要花费 7 分钟才能阅读完成。

推荐系统在电商领域已经非常成熟，但服装品类却始终是个特殊的存在。这主要源于以下几个特性：

多模态特征：一件衣服同时包含颜色、材质、款式、季节等多个维度的信息
主观偏好强：用户对 ” 好看 ” 的判断标准差异巨大
场景依赖性：同一件衣服在通勤、约会等不同场合的适配度完全不同
季节性波动：羽绒服在夏天推荐得再精准也没人买

传统协同过滤（Collaborative Filtering）在这里会遭遇两个致命伤：

冷启动问题：新商品或新用户没有历史交互数据
特征利用不足：无法有效结合服装本身的属性特征

在对比了几种主流方案后，CART 决策树 (Classification and Regression Tree) 展现出独特优势：

特征重要性：自动评估颜色、材质等特征的影响权重
可解释性：决策路径清晰可见，便于产品经理理解
处理混合类型数据：同时支持数值型和类别型特征
计算效率高：线上推理速度极快

与矩阵分解 (Matrix Factorization) 相比，决策树更适合处理服装这类富含结构化特征的场景。下面是简单的对比实验数据：

指标	协同过滤	矩阵分解	CART 决策树
新商品覆盖率	12%	18%	63%
推荐多样性	0.32	0.41	0.58
响应时间(ms)	120	85	23

服装特征可以划分为三大类，需要分别处理：

基础属性（类别型）：
颜色：映射到 HSV 色彩空间的色调值
材质：使用 LabelEncoder 编码
风格：” 商务 ”、” 休闲 ” 等标签转为 one-hot
视觉特征（数值型）：
通过 CNN 提取的 4096 维特征向量
使用 PCA 降维到 50 维
上下文特征：
季节：sin/cosin 编码处理周期性
价格：对数变换后标准化

关键代码示例：

from sklearn.preprocessing import OneHotEncoder, LabelEncoder

# 材质编码示例
material_encoder = LabelEncoder()
df['material_encoded'] = material_encoder.fit_transform(df['material'])

# 风格 one-hot
style_encoder = OneHotEncoder()
style_features = style_encoder.fit_transform(df[['style']]).toarray()

使用 scikit-learn 的 DecisionTreeClassifier：

关键参数说明：
max_depth：控制树深度，防止过拟合
min_samples_split：节点继续分裂的最小样本数
class_weight：处理用户行为数据的天然不平衡

完整训练代码：

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42)

# 初始化模型
tree = DecisionTreeClassifier(
    max_depth=8,
    min_samples_split=50,
    class_weight='balanced'
)

# 训练与评估
tree.fit(X_train, y_train)
print("Test accuracy:", tree.score(X_test, y_test))

决策树推荐不同于传统的排序算法，需要：

遍历决策路径找到匹配的叶子节点
提取该节点下的所有商品
按 feature importance 加权排序

def recommend(user_features, top_k=5):
    leaf_id = tree.apply(user_features.reshape(1,-1))[0]
    candidate_items = leaf_to_items[leaf_id]

    # 计算匹配分
    scores = []
    for item in candidate_items:
        score = np.dot(item_features, user_features)
        scores.append(score)

    return candidate_items[np.argsort(scores)[-top_k:]]

经过上百次 AB 测试，我们总结出这些经验：

树深度：服装推荐最优深度在 6 - 8 层
剪枝策略：CCP（Cost Complexity Pruning）效果优于预剪枝
特征组合：人工构造 ” 颜色_材质 ” 等交叉特征可提升效果
样本权重：对点击未购买样本降权处理

调参示例：

from sklearn.tree import DecisionTreeClassifier

params = {'max_depth': [6, 7, 8],
    'ccp_alpha': [0.0, 0.01, 0.1]
}

grid_search = GridSearchCV(DecisionTreeClassifier(),
    param_grid=params,
    cv=5
)
grid_search.fit(X_train, y_train)

特征泄露：绝对不能把价格折扣信息作为特征
类别不平衡：oversampling 小众风格样本
冷启动缓解：
新用户：用人口统计特征初始化
新商品：用视觉特征相似度填充
季节漂移：按月更新模型
解释性陷阱：颜色重要性高不代表应该只推同色系

当推荐效果遇到瓶颈时，可以考虑：

GBDT：通过梯度提升组合多棵弱分类器
随机森林：增加推荐多样性
混合模型：决策树处理结构化特征 + 神经网络处理图像特征

from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier(
    n_estimators=100,
    max_features='sqrt',
    oob_score=True
)
rf.fit(X_train, y_train)

建议使用 Amazon Fashion 数据集（约 50 万条服装数据）进行验证：