利用surprise+自己的數據構建推薦系統

• surprise介紹
  surprise是一個python的推薦系統的庫，里面包含數據下載、數據處理、模型（包括svd、svd++、slopeone、random rating base 等，具體可以去看官方文檔地址）、評分等各種功能

• 實現

• 安裝

  1、在命令行 pip install surprise2、命令行安裝報錯的話可以去[python庫網站](https://www.lfd.uci.edu/~gohlke/pythonlibs/#qimage2ndarray)ctrl+f搜索surprise下載，然后在目錄下shift+右鍵進入命令行 pip install ******.whl來安裝3、安裝結束打開編輯器編輯一個python文件 `import surprise`并運行，不報錯的話就完成了安裝

• 數據
  我們需要的數據有三行：user、item、ratings

• 導入所需要的模塊

import surprise from surprise import Dataset,Reader #Reader 將數據轉化為surprise所需要的數據時需要這個 from surprise.evaluate import accuracy #評分 from surprise.model_selection import train_test_split #數據切割

• 數據處理

reader = Reader() data =Dataset.load_from_df(train,reader) trains,tests = train_test_split(data)

• 創建模型并訓練

algo = surprise.SVDpp() algo.fit(trains)

• 獲取結果

def setRatings(data,model):user_list = list(train.xwho.unique())unum = len(user_list)item_list = list(train.sku_id.unique())inum = len(item_list)#構建一個shape為[users,items] index為user，columns為item的dataframe表格ndrating = np.zeros((unum,inum),dtype=int)Pridect_ratings = DataFrame(ndrating,index=user_list,columns=item_list)#對每個用戶對每個商品進行預測評分，并將得分插入Predict_retings表格for user in user_list:for item in item_list:predict_info = algo.predict(user,item)#判斷是否有過行為，買過則及買過的分if predict_info.r_ui != 5:score = predict_info.r_uiscore = predict_info.estPridect_ratings[item][user]=scorereturn Pridect_ratings#返回一個具有預測的得分的表格

• 未完待續

總結

以上是生活随笔為你收集整理的推荐系统-Python+surprise的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。