专栏首页机器学习之旅R开发:协调过滤推荐

R开发:协调过滤推荐

set.seed ( 1234 )

#加载数据包 library ( "recommenderlab" )

#构造数据运用recommenderlab包实现协同过滤推荐,其数据类型采用S4类构造,需通过as()函数转为raringMatrix类型。 val1<- matrix ( sample ( c ( as.numeric ( 0 : 5 ) ,NA ) ,50 ,replace = TRUE ,prob = c ( rep ( .4 / 6 , 6 ) , .6 ) ) ,ncol = 10 , dimnames = list ( user = paste ( "u" ,1 : 5 ,sep = '' ) ,item = paste ( "i" ,1 : 10 ,sep = '' ) ) ) val2 <- as ( val1, "realRatingMatrix" ) 

数据转换

val3<- normalize ( val2 ) #二元分类转换,normalize()函数进行标准化处理,标准化的目的是为了去除用户评分的偏差 val4 <- binarize ( val3 , minRating = 4 ) val5 <- as ( val4 , "matrix" )

数据可视化

接下来,我们采用MovieLense数据集,

data ( MovieLense ) key1 <- sample ( MovieLense , 943 , replace = F )

image ( MovieLense )

hist ( getRatings ( normalize ( MovieLense ) ) , breaks = 100 )

hist ( rowCounts ( key1 ) , breaks = 50 )

建立模型

对于realRatingMatrix有六种方法:IBCF(基于物品的推荐)、UBCF(基于用户的推荐)、PCA(主成分分析)、RANDOM(随机推荐)、SVD(矩阵因子化)、POPULAR(基于流行度的推荐)

建立协同过滤推荐算法模型,主要运用recommender(data=ratingMatrix,method,parameter=NULL)函数,getModel()可查看模型参数

key1_recom <- Recommender (key1 , method = "IBCF" ) key1_popul <- Recommender ( key1, method = "POPULAR" )

#查看模型方法

names ( getModel ( key1_recom ) )

模型预测

TOP-N预测

对模型预测可运用predict()函数,在此分别以TOP-N预测及评分预测为例,预测第940-943位观影者的评分情况。n表示最终为TOP-N的列表推荐,参数type = "ratings"表示运用评分预测观影者对电影评分,模型结果均需转为list或矩阵表示

pred <- predict ( key1_popul ,key1 [ 940 : 943,] , n = 5 ) as ( pred , "list" )

#top-N为有序列表,抽取最优推荐子集

pred3 <- bestN ( pred , n = 3 ) as ( pred3 , "list" )

#评分预测

rate <- predict ( key1_popul , key1 [ 940 : 943 ] , type = "ratings" ) as ( rate , "matrix" ) [ , 1 : 5 ]

预测模型评价

评分预测模型评价

eva <- evaluationScheme (key1 [ 1 : 800 ] , method = "split" , train = 0.9,given = 15)

method="split"&train=0.9为按90%划分训练测试集合,given为评价的类目数

r_eva1<- Recommender ( getData ( eva , "train" ) , "UBCF" ) p_eva1<- predict ( r_eva1 , getData ( eva, "known" ) , type = "ratings" ) r_eva2 <- Recommender ( getData ( eva, "train" ) , "IBCF" ) p_eva2 <- predict ( r_eva2 , getData ( eva, "known" ) , type = "ratings" )

c_eva1 <- calcPredictionAccuracy ( p_eva1 , getData ( eva , "unknown" ) ) c_eva2 <- calcPredictionAccuracy ( p_eva2 , getData ( eva , "unknown" ) ) error <- rbind ( c_eva1 , c_eva2 )  rownames ( error ) <- c ( "UBCF" , "IBCF" )

计算预测模型的准确度

TOP-N预测模型评价

通过4-fold交叉验证方法分割数据集,运用evaluate()进行TOP-N预测模型评价,评价结果可通过ROC曲线及准确率-召回率曲线展示:

#4-fold交叉验证

tops <- evaluationScheme ( key1 [ 1 : 800 ] , method = "cross" , k = 4 , given = 3 ,goodRating = 5 )

results <- evaluate ( tops , method = "POPULAR" , type = "topNList" ,n = c ( 1 , 3 , 5 , 10 ) )

#获得混淆矩阵

getConfusionMatrix ( results ) [ [ 1 ] ]

avg ( results )

推荐算法的比较

除了对预测模型进行评价,还可以对不同推荐算法进行比较。可首先构建一个推荐算法列表,通过ROC曲线、、准确率-召回率曲线或RMSE直方图进行比较

TOP-N算法比较

set.seed ( 2016 ) scheme <- evaluationScheme ( key1 , method = "split" , train = 0.9 , k = 1 , given = 10 , goodRating = 5 ) #构建不同算法模型 results <- evaluate ( scheme ,test_data ,n = c ( 1 ,3 ,5 ,10 ,15 ,20 ) ) #模型比较#ROC曲线 plot ( results , annotate = c ( 1 , 3 ) , legend = "bottomright" ) #准确率-召回率曲线 plot ( results , "prec/rec" , annotate = c ( 2 , 3 , 4 ) , legend = "topleft" ) 预测评分算法比较 results2 <- evaluate ( scheme , algorithms , type = "ratings" ) plot ( results2 , ylim = c ( 0 , 20 ) )

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 集成学习需要理解的一些内容

    本系列为深入篇,尽可能完善专题知识,并不会所有的都会出现在面试中,更多内容,详见:Reflection_Summary,欢迎交流。

    sladesal
  • 中文语境下的手机号识别

    最近在做一个关于中文大段文本中的手机号码识别,由于属于对抗性的一个文本,发现传统的手机号码识别方法,比如正则匹配并不是很适用。

    sladesal
  • Stanford Word Segmenter问题整理

    最近在做一些nlp相关的项目,在涉及到Stanford CoreNLP工具包处理中文分词的时候,发现耗时问题很严重:

    sladesal
  • 集合框架底层数据结构总结

    主要根据集合的特点来选用,比如我们需要根据键值获取到元素值时就选用Map接口下的集合,需要排序时选择TreeMap,不需要排序时就选择HashMap,需要保证线...

    Java那些事儿
  • 集合(Collection)框架底层数据结构总结

    需要根据键值获取元素值时,就选用 Map 接口下的集合,如排序时选择 TreeMap,不需要排序时就选择 HashMap,需要保证线程安全就选用 Concurr...

    happyJared
  • JDK容器学习之LinkedHashMap (一):底层存储结构分析

    LinkedHashMap 底层存储结构分析 HashMap 是无序的kv键值对容器,TreeMap 则是根据key进行排序的kv键值对容器,而LinkedH...

    一灰灰blog
  • 排序需要移动几个数

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    喜欢ctrl的cxk
  • Java 中的 LinkedHashMap 和 HashMap 有什么关系?

    HashMap,LinkedHashMap,TreeMap都属于Map; Map 主要用于存储键(key)值(value)对:

    一个会写诗的程序员
  • flutter仿微信底部图标渐变功能的实现代码

    在flutter中,如果想实现上面的页面切换效果,必然会想到pageView。pageView的controller可以监听到pageView的滚动事件,也可以...

    砸漏
  • DeDeCMS v5.7 密码修改漏洞分析

    作者:LoRexxar'@知道创宇404实验室 0x01 背景 织梦内容管理系统(DedeCms)以简单、实用、开源而闻名,是国内最知名的PHP开源网站管理...

    Seebug漏洞平台

扫码关注云+社区

领取腾讯云代金券