基于用户的协同过滤python代码实现

三猫

发布于 2020-05-20 01:06:53

1.7K5

发布于 2020-05-20 01:06:53

文章被收录于专栏：机器学习养成记机器学习养成记

在推荐算法概述中介绍了几种推荐算法的概念，但是没有具体代码实现，本篇文章首先来看一下基于用户的协同过滤python代码。

1 数据准备

本次案例中，我们使用用户对电影的打分数据进行演示。数据包含两个表，一个是movies表，记录了电影编号和电影名称的对应关系?

另外一张是ratings表，记录了每个用户对电影的打分情况?

2 Python代码实现

这里简述几个主要过程：

数据初始化原始数据分别通过三列记录了用户、电影及打分，无法直接满足计算需要，因此这里我们首先要将原始数据转化为字典形式，记录每个用户与电影之间的关系。

########获得初始化数据
def __init__(self,data):    
    data_dic = {}    
    for line in data.itertuples():        
        if not line[1] in data_dic.keys():            
            data_dic[line[1]]={line[4]:line[2]}        
        else:            
            data_dic[line[1]][line[4]]=line[2]    
    self.data = data_dic

计算用户间距离基于用户的协同过滤第二步就是计算用户两两间的距离，计算距离的方式很多，这里提供欧式距离和皮尔逊系数两种方式，可以通过参数进行方法选择。推荐使用皮尔逊距离，因为可以消除打分膨胀的影响，即有的人打分普遍高，有的人打分普遍低。

########计算两个用户间距离
#pearson系数
def Pearson(self,user1,user2):    
    sum_xy = 0      
    sum_x = 0      
    sum_y = 0      
    sum_x2 = 0      
    sum_y2 = 0      
    n = 0      
    for key in user1:          
        if key in user2:              
            n += 1              
            x = user1[key]              
            y = user2[key]              
            sum_xy += x * y              
            sum_x += x              
            sum_y += y                  
            sum_x2 += pow(x, 2)              
            sum_y2 += pow(y, 2)      
        if n == 0:          
            return 0            
        
        
        #皮尔逊相关系数计算公式       
        denominator = sqrt(sum_x2 - pow(sum_x, 2) / n)  * sqrt(sum_y2 - pow(sum_y, 2) / n)      
        if denominator == 0:          
            return 0      
        else:          
            return (sum_xy - (sum_x * sum_y) / n) / denominator

#欧式距离
def Euclidean(self,user1,user2):    
    #取出两位用户评论过的电影和评分    
    distance = 0    
    #找到两位用户都评论过的电影，并计算欧式距离    
    for movie1,score1 in user1.items():        
        if movie1 in user2.items():#计算公共的电影的评分            
            #注意，distance越大表示两者越相似            
            distance += pow(float(user1[movie1])-float(user2[movie1]),2)    
    return 1/(1+sqrt(distance))#这里返回值越小，相似度越大

#选择计算距离方式
def getDistance(self,user1,user2,type):    
    if type == 'Pearson':        
        dis = self.Pearson(user1,user2)    
    if type == 'Euclidean':        
        dis = self.Euclidean(user1,user2)    
    return dis

寻找最相似用户并进行推荐根据距离，找到离目标用户最近的n个用户，将这n个用户看过但是目标用户没看过的电影进行推荐。

########找到与当前用户最近的n个邻居
def nearstUser(self,username,type,n=1):    
    distances={};#用户，相似度    
    for otherUser,items in self.data.items():#遍历整个数据集        
        if otherUser != username:#非当前的用户            
            distance=self.getDistance(self.data[username],self.data[otherUser],type)#计算两个用户的相似度            
            distances[otherUser]=distance    
    sortedDistance=sorted(distances.items(),key=operator.itemgetter(1),reverse=True);#最相似的N个用户    
    #print ("排序后的用户为：",sortedDistance)    
    return sortedDistance[:n]
    
#给用户推荐电影
def Recomand(self,username,tp = 'Pearson',n=1):    
    recommand={};#待推荐的电影    
    for user,score in dict(self.nearstUser(username,tp,n)).items():#最相近的n个用户        
        #print ("推荐的用户：",(user,score))        
        for movies,scores in self.data[user].items():#推荐的用户的电影列表            
            if movies not in self.data[username].keys():#当前username没有看过                
                #print ("%s为该用户推荐的电影：%s"%(user,movies))                
                if movies not in recommand.keys():#添加到推荐列表中                    
                    recommand[movies]=scores    
    return sorted(recommand.items(),key=operator.itemgetter(1),reverse=True);

最终得到结果如下：