Какие знаешь классические алгоритмы рекомендательных систем

Коллаборативная фильтрация (CF) — user-based и item-based. User-based ищет похожих пользователей, item-based — похожие товары на основе оценок.

from sklearn.neighbors import NearestNeighbors
# Item-based CF пример
model = NearestNeighbors(metric='cosine')
model.fit(user_item_matrix)
distances, indices = model.kneighbors(item_vector, n_neighbors=5)

Контентная фильтрация — рекомендации на основе признаков (например, жанры фильмов). Использует TF-IDF или embeddings.

Матричные разложения (SVD, ALS) — предсказывают пропущенные оценки в user-item матрице.

from surprise import SVD
model = SVD()
model.fit(trainset)
pred = model.predict(uid, iid)

Также популярны гибридные системы, объединяющие несколько подходов.