Не знаю, как на это ответить, так как этот вопрос слишком широкий. То, что вы описываете, является задачей машинного обучения, и, таким образом, подпадает под этот (очень широкий) зонт. Существует несколько различных алгоритмов, которые можно использовать для чего-то подобного, но большинство текстов скажут вам, что определение проблемы является важной частью.
Какие части моды важны? Какие части не являются? Как вы собираетесь собирать данные? Насколько шумны данные? Все это важные соображения к проблемному пространству. Pandora делает подобные вещи с музыкой, и их большое преимущество заключается в том, что их пользователи сначала говорят им, что им нравится, а что нет.
Чтобы классифицировать свою музыку, они фактически обучили музыкантов, слушающих музыку, идентифицировать все виды вещей. См. Статью об Ars Technica здесь для получения дополнительной информации об этом. Исходя из того, что я знаю о модных вкусах, я бы сказал, что это схожая проблемная область, и, вероятно, потребуются эксперты, чтобы «кодифицировать» информацию, прежде чем вы сможете попытаться провести параллели.
Извините за неопределенный ответ - если вы хотите получить больше подробностей, я бы порекомендовал задать более конкретный вопрос о конкретных алгоритмах или наборах данных и т. Д.