Python 电影推荐中的预测值

我一直在尝试使用python中的movielens数据集创建推荐系统。我的目标是确定用户之间的相似性，然后以以下格式为每个用户输出推荐的前五部电影：

User-id1 movie-id1 movie-id2 movie-id3 movie-id4 movie-id5
User-id2 movie-id1 movie-id2 movie-id3 movie-id4 movie-id5

我现在使用的数据就是这个数据集

以下是迄今为止的代码：

import pandas as pd
import numpy as np
from sklearn import cross_validation as cv
from sklearn.metrics.pairwise import pairwise_distances
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.metrics import mean_squared_error
from math import sqrt
import scipy.sparse as sp
from scipy.sparse.linalg import svds
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv('ratings.csv')


df.drop('timestamp', axis=1, inplace=True)
n_users = df.userId.unique().shape[0]
n_items = df.movieId.unique().shape[0]

#Pivot table so users are rows and movies are columns, ratings are then values
df = df.pivot(index='userId', columns='movieId', values='rating')

#subtract row mean from each rating to center data
df = df.sub(df.mean(axis=1), axis=0)

#copy to fill in predictions
c1 = df.copy()
c1 = c1.fillna('a')

#second copy to find which values were filled in and return the highest rated values
c2 = c1.copy()

#fill NAN with 0
df = df.fillna(0)


#Get cosine similarity between rows
similarity = pd.DataFrame(cosine_similarity(df))

#get top 5 similar profiles
tmp = similarity.apply(lambda row: sorted(zip(similarity.columns, row), key=lambda c: -c[1]), axis=1)
tmp = tmp.ix[:,1:6]
l = np.array(tmp)

##Prediction function - does not work needs improvement
def predict(df, c1, l):
for i in range(c1.shape[0]):
    for j in range(i+1, c1.shape[1]):
        try:
            if c1.iloc[i][j] == 'a':
                num = df[l[i][0][0]]*l[i][0][1] + df[l[i][1][0]]*l[i][1][1] + df[l[i][2][0]]*l[i][2][1] + df[l[i][3][0]]*l[i][3][1] + df[l[i][4][0]]*l[i][4][1]
                den = l[i][0][1] + l[i][1][0] + l[i][2][0] + l[i][3][0] + l[i][4][0]
                c1[i][j] = num/den
        except:
            pass
return c1

res = predict(df, c1, l)
print(res)

res = predict(df, c1, l)
print(res)

我正在尝试实现预测功能。我想预测缺失的值并将它们添加到c1中。我正在努力实施。图中给出了公式以及如何使用的示例。正如您所见，它使用了最相似用户的相似性分数

相似性的输出如下所示：例如，这里是user1的相似性：

[(34, 0.19269904365720053) (196, 0.19187531680008307)
 (538, 0.14932027335788825) (67, 0.14093020024386654)
 (419, 0.11034407313683092) (319, 0.10055810007385564)]

我需要帮助在预测函数中使用这些相似性来预测缺失的电影收视率。如果这个问题解决了，我将不得不为每个用户找到推荐的前5部电影，并以上面的格式输出它们

我目前需要有关预测功能的帮助。任何建议都有帮助。如果您需要更多信息或澄清，请告诉我

---

感谢您阅读

首先，矢量化使复杂问题变得更容易。这里有一些建议可以改进您已有的内容

将userID用作pivot表中的列，这使得预测示例更容易查看

NaN代表缺失值，这在概念上与0不同，在这种特殊情况下，高负数可以，并且仅在使用余弦相似性函数时才需要

利用pandas的高级功能，例如保留原始值但添加预测，可以使用fillna

在构建

相似性

数据框架时，请确保跟踪useid，您可以通过将索引和列设置为

df.columns

以下是我编辑的代码版本，包括predict实现：

```

```

下面是一个输出示例

userId
1    1172 1953 2105 1339 1029
2           17 39 150 222 265
3      318 356 1197 2959 3949
4          34 112 141 260 296
5    597 1035 1380 2081 33166
dtype: object

编辑 上述代码将推荐前5名，无论用户是否已经观看/评分。要解决这个问题，我们可以在选择如下所示的建议时将原始评级的值重置为0\

res = df.apply(lambda col: ' '.join('{}'.format(mid) for mid in (0 * col).fillna(
    predict(similarity[col.name].nlargest(6).iloc[1:])).nlargest(5).index))

输出

userId
1           2278 4085 3072 585 256
2               595 597 32 344 316
3              590 457 150 380 253
4         1375 2571 2011 1287 2455
5              480 590 457 296 165
6          1196 7064 26151 260 480
....

---

您面临的错误是什么？我的主要问题是，我不确定如何正确预测没有看过基于相似用户的电影的用户的新值。如果您有相似的用户，观看他们的电影很简单，那么问题是什么？我无法实现上面描述的公式来预测新值来自用户的评分。我不知道如何准确地构造函数。哦，我明白了，谢谢你，你的解决方案真是太棒了！上面代码中的一个简单问题是，我减去了每行的平均值，以使观测值居中，并确保余弦相似性是准确的。这个代码实现了相同的结果吗？不客气。我已经编辑了代码以包含一个标准化。使用scale，我编辑了代码。

userId
1           2278 4085 3072 585 256
2               595 597 32 344 316
3              590 457 150 380 253
4         1375 2571 2011 1287 2455
5              480 590 457 296 165
6          1196 7064 26151 260 480
....