基于隨機(jī)梯度下降的矩陣分解推薦算法(python)
SVD是矩陣分解常用的方法,其原理為:矩陣M可以寫成矩陣A、B與C相乘得到,而B可以與A或者C合并,就變成了兩個元素M1與M2的矩陣相乘可以得到M。
矩陣分解推薦的思想就是基于此,將每個user和item的內(nèi)在feature構(gòu)成的矩陣分別表示為M1與M2,則內(nèi)在feature的乘積得到M;因此我們可以利用已有數(shù)據(jù)(user對item的打分)通過隨機(jī)梯度下降的方法計算出現(xiàn)有user和item最可能的feature對應(yīng)到的M1與M2(相當(dāng)于得到每個user和每個item的內(nèi)在屬性),這樣就可以得到通過feature之間的內(nèi)積得到user沒有打過分的item的分?jǐn)?shù)。
本文所采用的數(shù)據(jù)是movielens中的數(shù)據(jù),且自行切割成了train和test,但是由于數(shù)據(jù)量較大,沒有用到全部數(shù)據(jù)。
代碼如下:
# -*- coding: utf-8 -*- """ Created on Mon Oct 9 19:33:00 2017 @author: wjw """ import pandas as pd import numpy as np import os def difference(left,right,on): #求兩個dataframe的差集 df = pd.merge(left,right,how='left',on=on) #參數(shù)on指的是用于連接的列索引名稱 left_columns = left.columns col_y = df.columns[-1] # 得到最后一列 df = df[df[col_y].isnull()]#得到boolean的list df = df.iloc[:,0:left_columns.size]#得到的數(shù)據(jù)里面還有其他同列名的column df.columns = left_columns # 重新定義columns return df def readfile(filepath): #讀取文件,同時得到訓(xùn)練集和測試集 pwd = os.getcwd()#返回當(dāng)前工程的工作目錄 os.chdir(os.path.dirname(filepath)) #os.path.dirname()獲得filepath文件的目錄;chdir()切換到filepath目錄下 initialData = pd.read_csv(os.path.basename(filepath)) #basename()獲取指定目錄的相對路徑 os.chdir(pwd)#回到先前工作目錄下 predData = initialData.iloc[:,0:3] #將最后一列數(shù)據(jù)去掉 newIndexData = predData.drop_duplicates() trainData = newIndexData.sample(axis=0,frac = 0.1) #90%的數(shù)據(jù)作為訓(xùn)練集 testData = difference(newIndexData,trainData,['userId','movieId']).sample(axis=0,frac=0.1) return trainData,testData def getmodel(train): slowRate = 0.99 preRmse = 10000000.0 max_iter = 100 features = 3 lamda = 0.2 gama = 0.01 #隨機(jī)梯度下降中加入,防止更新過度 user = pd.DataFrame(train.userId.drop_duplicates(),columns=['userId']).reset_index(drop=True) #把在原來dataFrame中的索引重新設(shè)置,drop=True并拋棄 movie = pd.DataFrame(train.movieId.drop_duplicates(),columns=['movieId']).reset_index(drop=True) userNum = user.count().loc['userId'] #671 movieNum = movie.count().loc['movieId'] userFeatures = np.random.rand(userNum,features) #構(gòu)造user和movie的特征向量集合 movieFeatures = np.random.rand(movieNum,features) #假設(shè)每個user和每個movie有3個feature userFeaturesFrame =user.join(pd.DataFrame(userFeatures,columns = ['f1','f2','f3'])) movieFeaturesFrame =movie.join(pd.DataFrame(movieFeatures,columns= ['f1','f2','f3'])) userFeaturesFrame = userFeaturesFrame.set_index('userId') movieFeaturesFrame = movieFeaturesFrame.set_index('movieId') #重新設(shè)置index for i in range(max_iter): rmse = 0 n = 0 for index,row in user.iterrows(): uId = row.userId userFeature = userFeaturesFrame.loc[uId] #得到userFeatureFrame中對應(yīng)uId的feature u_m = train[train['userId'] == uId] #找到在train中userId點(diǎn)評過的movieId的data for index,row in u_m.iterrows(): u_mId = int(row.movieId) realRating = row.rating movieFeature = movieFeaturesFrame.loc[u_mId] eui = realRating-np.dot(userFeature,movieFeature) rmse += pow(eui,2) n += 1 userFeaturesFrame.loc[uId] += gama * (eui*movieFeature-lamda*userFeature) movieFeaturesFrame.loc[u_mId] += gama*(eui*userFeature-lamda*movieFeature) nowRmse = np.sqrt(rmse*1.0/n) print('step:%f,rmse:%f'%((i+1),nowRmse)) if nowRmse<preRmse: preRmse = nowRmse elif nowRmse<0.5: break elif nowRmse-preRmse<=0.001: break gama*=slowRate return userFeaturesFrame,movieFeaturesFrame def evaluate(userFeaturesFrame,movieFeaturesFrame,test): test['predictRating']='NAN' # 新增一列 for index,row in test.iterrows(): print(index) userId = row.userId movieId = row.movieId if userId not in userFeaturesFrame.index or movieId not in movieFeaturesFrame.index: continue userFeature = userFeaturesFrame.loc[userId] movieFeature = movieFeaturesFrame.loc[movieId] test.loc[index,'predictRating'] = np.dot(userFeature,movieFeature) #不定位到不能修改值 return test if __name__ == "__main__": filepath = r"E:\學(xué)習(xí)\研究生\推薦系統(tǒng)\ml-latest-small\ratings.csv" train,test = readfile(filepath) userFeaturesFrame,movieFeaturesFrame = getmodel(train) result = evaluate(userFeaturesFrame,movieFeaturesFrame,test)
在test中得到的結(jié)果為:
NAN則是訓(xùn)練集中沒有的數(shù)據(jù)
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python隨機(jī)數(shù)種子(random seed)的使用
在科學(xué)技術(shù)和機(jī)器學(xué)習(xí)等其他算法相關(guān)任務(wù)中,我們經(jīng)常需要用到隨機(jī)數(shù),本文就詳細(xì)的介紹一下Python隨機(jī)數(shù)種子,具有一定的參考價值,感興趣的小伙伴們可以參考一下2021-07-07詳解用Pytest+Allure生成漂亮的HTML圖形化測試報告
這篇文章主要介紹了詳解用Pytest+Allure生成漂亮的HTML圖形化測試報告,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03Django使用模板后無法找到靜態(tài)資源文件問題解決
這篇文章主要介紹了Django使用模板后無法找到靜態(tài)資源文件問題解決,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07Python filter()及reduce()函數(shù)使用方法解析
這篇文章主要介紹了Python filter()及reduce()函數(shù)使用方法解析,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-09-09Python iter()函數(shù)用法實(shí)例分析
這篇文章主要介紹了Python iter()函數(shù)用法,結(jié)合實(shí)例形式詳細(xì)分析了Python iter()函數(shù)的功能、使用方法及相關(guān)操作注意事項(xiàng),需要的朋友可以參考下2018-03-03python實(shí)現(xiàn)信號時域統(tǒng)計特征提取代碼
今天小編就為大家分享一篇python實(shí)現(xiàn)信號時域統(tǒng)計特征提取代碼,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02