Collaborative Filtering

oogh 发布于2019-06-26 18:21 / 437人阅读

Memory based
get user-item matrix and calculate cosine similarity between $u_k, u_a$
$$sim^{cos}(u_k,u_a)=frac{u_kcdot u_a}{||u_k|| ||u_a||}$$
calculate in python, each row of train_data_matrix represent a user

from sklearn.metrics.pairwise import pairwise_distances
user_similarity = pairwise_distances(train_data_matrix, metric="cosine")
item_similarity = pairwise_distances(train_data_matrix.T, metric="cosine")

to predict user $k$ rating item $m$
$$hat{x}_{k,m}=ar{x}_k+frac{sum_{i} sim^{cos}(u_k,u_i)(x_{i,m}-ar{x}_i)}{sum_{i} |sim^{cos}(u_k,u_i)|}$$

def predict(ratings, similarity, type="user"):
    if type == "user":
        mean_user_rating = ratings.mean(axis=1)
        # axis=1 calculate the mean of every row
        ratings_diff = (ratings - mean_user_rating[:, np.newaxis])
        # np.newaxis create a new axis, changing to 2-d array
        pred = mean_user_rating[:, np.newaxis] + similarity.dot(ratings_diff) 
        / np.array([np.abs(similarity).sum(axis=1)]).T   
    elif type == "item":
        pred = ratings.dot(similarity) / np.array([np.abs(similarity).sum(axis=1)])
    return pred

Reference
https://cambridgespark.com/co...

云服务器超融合服务器 Filtering Collaborative

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/19698.html

Item-Based Collaborative Filtering Recommendation

摘要：用户过去的偏好很可能展示或者反应未来的兴趣偏好。数据集我们选用，下载地址数据集算法理论算法框架如图，输入是的评分矩阵，该矩阵非常稀疏。所以预测分两步进行计算项目之间的相似性和根据相似性进行预测评分。【参考文献】：Sarwar B M . Item-based collaborative filtering recommendation algorithms[C]// Internat...

voyagelab 2019-07-30 18:35 评论0 收藏0
surprise库文档翻译

摘要：默认值为返回值，一个对象，包含了原生用户原生项目真实评分预测评分可能对后面预测有用的一些其他的详细信息在给定的测试集上测试算法，即估计给定测试集中的所有评分。这里的格式并没有做过多的处理，可参考于OneNote笔记链接由于OneNote取消了单页分享，如果需要请留下邮箱，我会邮件发送pdf版本，后续再解决这个问题推荐算法库surprise安装 pip install surp...

JessYanCoding 2019-07-31 10:25 评论0 收藏0
[译]使用Google Cloud计算引擎和机器学习算法实现产品推荐

摘要：经过一段时间的说句搜集，当具备一定的数据量时，你就可以用通过机器学习算法来执行一些有用的分析并产生一些有价值的推荐了。翻译自 Google Cloud Platform 原文标题：Using Machine Learning on Compute Engine to Make Product Recommendations 原文地址：https://cloud.google.com/...

eternalshallow 2019-07-25 10:51 评论0 收藏0