python矩阵分解原理是什么

发布时间:2022-03-22 16:23:22 作者:iii
来源:亿速云 阅读:197

本篇内容介绍了“python矩阵分解原理是什么”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

原理:矩阵分解

矩阵分解是推荐系统系列中的一种算法,顾名思义,就是将矩阵分解成两个(或多个)矩阵,它们相乘后得到原始矩阵。在推荐系统中,我们通常从用户与项目之间的交互/评分矩阵开始,矩阵分解算法会将用户和项目特征矩阵分解,这也称为嵌入。下面以电影推荐中的评分,购买等矩阵为例。

python矩阵分解原理是什么  

通常,在数据集中,要挖掘用户和项目属性的潜在特征。本质上,潜在特征是用户/项目在任意空间中的表示,表示用户如何评价电影。在电影推荐系统的示例中,一个用户样本中包含了他所观看的多个电影,潜在特征的值越高,则表示他喜欢该类型的电影,那么就应该推荐此类型的电影。

python矩阵分解原理是什么    

准备

本文所用数据来自kaggle,包含了76000个用户样本。

首先,导入数据和有关库。

from recsys import * 
from generic_preprocessing import 

from IPython.display import HTML ## 以Ipython Notebook显示

import pandas as pd,numpy as np

anime = pd.read_csv('anime.csv')
ratings = pd.read_csv('rating.csv').iloc[:5000000]
    

为了创建推荐系统,我们需要一个可交互的矩阵。为此,使用recsys模块中的create_interaction_matrix函数,这个函数要求以Pandas的DataFrame类型的数据为输入,输入数据的列必须有诸如用户id,项目id和评分等。此函数的中如果设置norm=True,则意味着任何评分的值都应该是正的。在这个示例中,没有必要设置,因为实际的购买数据和评分都是正的。

# 利用评分数据创建矩阵
interactions = create_interaction_matrix(df = ratings,
                     user_col = ‘user_id’,
                     item_col = ‘anime_id’,
                     rating_col = ‘rating’)
interactions.shape
 

然后用create_user_dictcreate_item_dict函数(recsys模块)创建关于用户和项目的字典。

# 用户字典
user_dict = create_user_dict(interactions=interactions)
# 项目字典
movies_dict = create_item_dict(df = anime,
                               id_col = 'anime_id',
                               name_col = 'name')

矩阵分解模型

recsys中的runMF函数来创建矩阵分解模型,这个函数的参数:

mf_model = runMF(interactions = interactions,
                 n_components = 30,
                 loss = 'warp',
                 epoch = 30,
                 n_jobs = 4)

“python矩阵分解原理是什么”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!

推荐阅读:
  1. 使用tensorflow实现矩阵分解方式
  2. Python中继承的原理是什么

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

python

上一篇:python怎么实现按季度统计的起止时间

下一篇:python二叉搜索树实例分析

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》