推荐算法协同过滤sklearn实现

短命女 2022-05-11 04:54 501阅读 0赞

协同过滤算法主要是利用用户行为的相似度计算兴趣的相似度

> 基于用户的协同过滤：两个用户对冷门物品采取过同样的行为更能说明他们兴趣的相似度  
> 如果用户的数据越来越来，计算用户相似度矩阵会越来越困难

推荐的指标(准确率、召回率、覆盖率)能正面的反应推荐的效果，而流行度越高，个性化越差。所以在计算过程中需要惩罚热门物品对相似度的影响

数据集使用MovieLens数据集  
预测评分公式：  
![在这里插入图片描述][70]

#_*_coding:utf-8_*_
    
    import pandas as pd
    import numpy as np
    
    header = ['user_id', 'item_id', 'rating', 'timestamp']
    dataset = pd.read_csv('../data/u.data',sep='\t',names=header)
    
    #计算唯一用户和电影的数量
    # unique对以为数组去重  shape[0] shape为矩阵的长度
    users = dataset.user_id.unique().shape[0]
    items = dataset.item_id.unique().shape[0]
    from sklearn.model_selection import train_test_split
    train_data,test_data = train_test_split(dataset,test_size=0.25)
    
    '''
    创建user-item矩阵
    itertuples         pandas dataframe 建立索引的方式
    结果为：   Pandas(Index=77054, user_id=650, item_id=528, rating=3, timestamp=891370998)
    '''
    train_data_matrix = np.zeros((users,items))
    for line in train_data.itertuples():
        train_data_matrix[line[1] - 1, line[2] - 1] = line[3]
    
    test_data_matrix = np.zeros((users,items))
    for line in test_data.itertuples():
        test_data_matrix[line[1] - 1, line[2] - 1] = line[3]
    #计算相似度
    from sklearn.metrics.pairwise import pairwise_distances
    #相似度相当于权重w
    user_similarity = pairwise_distances(train_data_matrix,metric='cosine')
    #train_data_matrix.T 矩阵转置
    items_similarity = pairwise_distances(train_data_matrix.T,metric='cosine')
    
    '''
    基于用户相似矩阵 -> 基于用户的推荐
    mean函数求取均值  axis=1 对各行求取均值，返回一个m*1的矩阵
    np.newaxis 给矩阵增加一个列 一维矩阵变为多维矩阵 mean_user_rating(n*1)
    train_data_matrix所有行都减去mean_user_rating对应行的数    此为规范化评分，使其在统一的范围内
    numpy a.dot(b) -> 两个矩阵的点积
          np.abs(a) ->计算矩阵a各元素的绝对值
          np.sum()  -> 无参数 矩阵全部元素相加
                    -> axis=0   按列相加
                    -> axis=1   按行相加
          b /a 矩阵对应为相除
    '''
    mean_user_rating = train_data_matrix.mean(axis = 1) #计算每行的平均数
    rating_diff = train_data_matrix - mean_user_rating[:,np.newaxis]  #评分规范化
    pred = mean_user_rating[:, np.newaxis] \
           + user_similarity.dot(rating_diff) / np.array([np.abs(user_similarity).sum(axis=1)]).T  #权重w*平均化的评分
    
    '''
    评估指标    均方差误差
    '''
    from sklearn.metrics import mean_squared_error
    from math import sqrt
    
    pred = pred[test_data_matrix.nonzero()].flatten()
    test_data_matrix = test_data_matrix[test_data_matrix.nonzero()].flatten()
    result = sqrt(mean_squared_error(pred,test_data_matrix))
    print(result)

[70]: /images/20220511/9edd6107cd674a8aabae630eb61e623b.png