深度学习推荐系统--协同过滤推荐算法+实现代码
本文仅为本人的学习笔记
文章目录
- 什么是协同过滤?
- 用户相似度计算(Similarity Calculation)
- 1.余弦相似度(Cosine Similarity)
- 2.皮尔逊相关系数(Pearson's Correlation)
- 3.杰卡德相似度计算(Jaccard coefficient)
- 杰卡德相似度计算代码实现
- 1.构造数据集
- 2.只计算2个用户之间的相似度
- 3.计算所有用户之间的相似度
- 4.构建推荐结果(基于用户相似度)
什么是协同过滤?
协同过滤(Collaborative Filtering)就是协同大家的反馈,评价和意见一起对海量的信息进行过滤,从中筛选出目标用户可能感兴趣的信息的推荐过程。
其实它的算法思想就是:物以类聚,人以群分
协同过滤算法一般有2种,一种是基于用户的协同过滤算法,一种是基于物品的协同过滤算法。
基于用户(user-based):跟你喜好相似的人喜欢的东西你也很可能喜欢;
基于物品(item-based):跟你喜欢的东西相似的东西你也很可能喜欢;
用户相似度计算(Similarity Calculation)
1.余弦相似度(Cosine Similarity)
余弦相似度衡量了用户向量i和用户向量j之间的向量夹角大小,夹角越小,证明余弦相似度越大,两个用户越相似。
如下图所示,但是很明显,余弦相似度这个方法不考虑长度,只考虑大方向。所以使用余弦相似度计算出的相似度结果有时是不靠谱的。
2.皮尔逊相关系数(Pearson’s Correlation)
皮尔逊相关系数是对余弦相似度的一个优化,它通过使用用户平均分对各独立评分进行修正,比余弦相似度更多的考虑了长度。即向量a,b各自减去向量的均值后,再计算余弦相似度
3.杰卡德相似度计算(Jaccard coefficient)
以上2种,都是针对于 评分数据是连续的数值,那么如果评分是0,1这种布尔类型的,那么它的相似度通常使用杰卡德相似度计算方法。杰卡德计算方法是 交集/并集
杰卡德相似度计算代码实现
1.构造数据集
创建一个数据集,下面我们使用1和0来表示用户是否购买过该用品
users=["User1","User2","User3","User4","User5"]
items=["Item A","Item B","Item C","Item D","Item E"]
datasets=[[1,0,1,1,0],[1,0,0,1,1],[1,0,1,0,0],[0,1,0,1,1],[1,1,1,0,1]
]
import pandas as pddf=pd.DataFrame(datasets,columns=items,index=users)
print(df)
运行结果:
2.只计算2个用户之间的相似度
很明显我们的数据是1,0这种布尔类型的,所以比较适合用杰卡德相似度计算的方法
from sklearn.metrics import jaccard_similarity_scorejaccard_similarity_score(df['Item A'],df['Item B'])
结果正确,但是有报错:
原因是:
3.计算所有用户之间的相似度
from sklearn.metrics.pairwise import pairwise_distancesuser_similar=1-pairwise_distances(df,metric='jaccard')
user_similar=pd.DataFrame(user_similar,columns=users,index=users)
user_similar
但是结果报错:
解决方法,改成以下代码即可:
参考链接:为什么会出现’DataFrame’ object has no attribute ‘dtype’
user_similar=1-pairwise_distances(df.values,metric='jaccard')
user_similar=pd.DataFrame(user_similar,columns=users,index=users)
user_similar
运行结果:
4.构建推荐结果(基于用户相似度)
为每一个用户找到最相似的2个用户
- loc[i]:通过行标签索引数据
- pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序。ascending值表示是否按指定列的数组升序排列,默认为True,即升序排列
- index[:2]表示从排序之后的结果中切片,取出前两条(相似度最高的两个)
topN_users={}#用来记录相似度最高的几个用户
#遍历每一行数据
for i in user_similar.index:#取出每一列数据,并删除自身,然后排序数据,你会发现自身的相似度都是1,下面这句话也就是删除了对角线上的元素。_df=user_similar.loc[i].drop([i])_df_sorted=_df.sort_values(ascending=False)top2=list(_df_sorted.index[:2])topN_users[i]=top2
print("Top2相似用户:")
topN_users
运行结果如下:
**根据topN的相似用户构建推荐结果
- List item
import numpy as np
rs_results = {}
# 构建推荐结果
for user, sim_users in topN_users.items():rs_result = set() # 存储推荐结果for sim_user in sim_users:# 构建初始的推荐结果rs_result = rs_result.union(set(df.ix[sim_user].replace(0,np.nan).dropna().index))# 过滤掉已经购买过的物品rs_result -= set(df.ix[user].replace(0,np.nan).dropna().index)rs_results[user] = rs_result
print("最终推荐结果:")
rs_results
运行结果:
深度学习推荐系统--协同过滤推荐算法+实现代码相关推荐
- 在线新闻推荐网 Python+Django+Mysql开发技术 基于用户、物品的协同过滤推荐算法 个性化新闻推荐系统 协同过滤推荐算法在新闻网站中的运用 个性化推荐算法、机器学习、分布式大数据、人工智
在线新闻推荐网 Python+Django+Mysql开发技术 基于用户.物品的协同过滤推荐算法 个性化新闻推荐系统 协同过滤推荐算法在新闻网站中的运用 个性化推荐算法.机器学习.分布式大数据.人工智 ...
- 在线图书推荐网 Python+Django+Mysql开发技术 个性化图书推荐系统 协同过滤推荐算法在图书网站中的运用 基于用户、物品的协同过滤推荐算法 个性化推荐算法、机器学习、分布式大数据、人工智
在线图书推荐网 Python+Django+Mysql开发技术 个性化图书推荐系统 协同过滤推荐算法在图书网站中的运用 基于用户.物品的协同过滤推荐算法 个性化推荐算法.机器学习.分布式大数据.人工智 ...
- 如何使用Spring+SpringMVC+Mybatis开发实现个性化小说推荐系统 协同过滤推荐算法实现 基于用户、项目的协同过滤推荐 基于聚类、关联规则、内容推荐算法 WebNovelCFRS
如何使用Spring+SpringMVC+Mybatis开发实现个性化小说推荐系统 协同过滤推荐算法实现 基于用户.项目的协同过滤推荐 基于聚类.关联规则.内容推荐算法 WebNovelCFRS 一. ...
- 个性化试题推荐系统 协同过滤推荐算法在在线考试系统中的运用 基于用户/项目的协同过滤推荐算法 混合协同过滤推荐算法 协同过滤混合推荐算法
个性化试题推荐系统 协同过滤推荐算法在在线考试系统中的运用 一.项目开发技术及功能介绍 1.SSH开发框架(spring+struts+hibernate) 2.js.jquery.bootstrap ...
- 基于项目的协同过滤推荐算法单机版代码实现(包含输出电影-用户评分矩阵模型、项目相似度、推荐结果、平均绝对误差MAE)
基于项目的协同过滤推荐算法单机版代码实现(包含输出电影-用户评分矩阵模型.项目相似度.推荐结果.平均绝对误差MAE) 一.开发工具及使用技术 MyEclipse10.jdk1.7.movielens数 ...
- 协同过滤推荐算法实例代码
什么是协同过滤 协同过滤是利用集体智慧的一个典型方法.要理解什么是协同过滤 (Collaborative Filtering, 简称 CF),首先想一个简单的问题,如果你现在想看个电影,但你不知道具体 ...
- python协同过滤算法_详解python实现协同过滤推荐算法
不同的数据.不同的程序猿写出的协同过滤推荐算法不同,但其核心是一致的,本文主要介绍了python实现协同过滤推荐算法完整代码示例,具有一定借鉴价值,需要的朋友可以参考下.希望能帮助到大家. 测试数据 ...
- Java语言开发在线购物推荐网 购物商城推荐系统 基于用户、物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)开发框架 大数据、人工智能、机器学习项目开发
Java语言开发在线购物推荐网 购物商城推荐系统 基于用户.物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)开发框架 大数据.人工智能.机器学习项目开发ShopRec ...
- Java+SSM(Spring+SpringMVC+Mybatis)个性化购物商城推荐系统 电子商务推荐系统 基于用户、项目、聚类、混合的协同过滤推荐算法WebShopRSMEx 源代码下载
Java+SSM(Spring+SpringMVC+Mybatis)个性化购物商城推荐系统 电子商务推荐系统 基于用户.项目.聚类.混合的协同过滤推荐算法WebShopRSMEx 源代码下载 一.项目 ...
- Java语言开发在线音乐推荐网 音乐推荐系统 网易云音乐爬虫 基于用户、物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)框架 大数据、人工智能、机器学习项目开发
Java语言开发在线音乐推荐网 音乐推荐系统 网易云音乐爬虫 基于用户.物品的协同过滤推荐算法 SSM(Spring+SpringMVC+Mybatis)框架 大数据.人工智能.机器学习项目开发Mus ...
最新文章
- 差错控制:海明码、循环冗余校验码
- 【html、css、jq】制作一个简洁的音乐播放器
- 关于lombok插件的使用,强大的简化代码工具
- iOS开发ARC内存管理技术要点
- 【2012百度之星/初赛下】C:度度熊的礼物
- 电脑手机wifi互传文件_安卓手机文件互传
- javascript 操作cookie
- 完整版商城PHP源码小程序,前后端+后台+小程序;访问地址在文末
- Delphi 7 升级到 Delphi 2010 总结
- 电路分析超详细思维导图
- JDK8 Windows系统中Java HotSpot虚拟机配置参数
- 倪光南院士2006年9月1号在南京软件博览会上的讲话
- iPhone白苹果修复工具
- [DA45] 使用apriori分析导演选择演员倾向
- 你知道吗?U盘插入速度决定读写速度,看完别再用错了
- 让你的终端更漂亮——MAC OS 终端的设置
- 麻省理工公开课:线性代数 正交向量与子空间
- 主线剧情03-NXP-i.MX系列的u-boot移植基础详解
- 勘测、军用、探测部门常用的,双光融合热成像夜视仪 ---TFN TD8V
- 一款红队快速指纹识别工具
热门文章
- 友链导航源码php,2020优化版导航源码自动收录秘趣导航批量检查友链有效性导航源码...
- 个人微信api接口调用,拉取微信朋友圈、发朋友圈
- dotween上下摆动_DOTWeen插件使用技巧
- 408计算机考研题型分布,计算机考研:计算机408大纲考点变化解析指导
- cad上样条曲线上的点太多了_CAD样条曲线如何转换成多段线?看完这篇文章你就懂了...
- P2346 四子连棋 题解
- 微信小程序图片固定宽度,高度自适应处理方法及相关API介绍
- Postman调接口时获取Chrome浏览器Cookie数据携带发送
- GoEasy使用详解
- yalmip使用指南