1.一种服装搭配的智能推荐方法，完全针对用户个人、基于用户已有的服装进行服装搭配推荐和新单品购入建议，其特征在于，包括以下步骤：
步骤1、构建采用alexnet网络结构的神经网络预测模型，神经网络预测模型包括第一卷积层、第二层卷积层、第三卷积层、第四卷积层、第五卷积层，第五卷积层后依次为最大池化层及全连接层，将衣物图片输入神经网络预测模型后，由第一卷积层至第五卷积层提取衣物图片的特征后，再由全连接层将提取的所有特征以一维向量的方式表示出来，再由拼接梯度提升树算法进行服装搭配图像的有监督训练；
步骤2、收集用于对神经网络预测模型进行训练和测试的训练集和测试集，训练集和测试集中的正样本选用专家给出的专业搭配方案所对应的服装搭配图像及对应的二分类值，训练集和测试集中的负样本选用与专家给出的专业搭配方案相似度小的服装搭配图像及对应的二分类值作为负样本；
步骤3、利用训练集和测试集对步骤1建立的神经网络预测模型进行训练及测试；
步骤4、若用户想要购买新的服装，则获得拟购入的新的服装的新服装照片，将新服装照片与用户已有的服装的已有服装照片输入训练好的神经网络预测模型，神经网络预测模型将新服装照片分别与已有服装照片进行搭配，获得与新服装相搭配的搭配建议；
或者用户将所有的已有的服装的已有服装照片输入训练好的神经网络预测模型，神经网络预测模型将所有已有服装照片进行搭配，从而输出搭配建议。
2.如权利要求1所述的一种服装搭配的智能推荐方法，其特征在于，步骤2中，选择高端品牌的成衣作为服装穿搭学习的总样本数据集，并根据不同人群消费水平和不同服装品牌定价建立在总样本数据集的基础上建立分类数据集，在分类数据集的基础上选择所述训练集和所述测试集。
3.如权利要求1所述的一种服装搭配的智能推荐方法，其特征在于，若用户想要购买新的服装，包括以下步骤：
步骤401、得到用户上传的新服装图片或根据单品的购买链接查找到相应服装图片；
步骤402、对新单品服装图片中的服装进行特征提取，区分服装分类；
步骤403、对用户的已分类的已有服装进行初步筛选得出可以与之搭配的服装分类；
步骤404、根据迁移学习和用户搭配风格进行新服装单品与已有服装单品的搭配尝试；
步骤405、给予用户新旧服装搭配方案，由用户根据搭配方案决定新服装单品是否购买。
4.如权利要求1所述的一种服装搭配的智能推荐方法，其特征在于，还包括步骤5给出服装搭配的天气指数：
根据热湿舒适性计算公式和爬取到的当日天气温度、湿度、风速，计算并给出服装搭配的天气指数。