一、数据集

数据集：MovieLens
下载地址：https://www.kaggle.com/jneupane12/movielens/download
主要使用的文件：ratings.csv
格式：userId, movieId, rating, timestamp

记录了用户在某个时间对某个movieId的打分情况
我们需要补全评分矩阵，然后对指定用户，比如userID为1-5进行预测

二、surprise库简介

Surprise是python-scikit-learing中的一个推荐系统库
文档地址：https://surprise.readthedocs.io/en/stable/

Surprise中的常用算法：

• Baseline算法
• 基于邻域的协同过滤
• SlopeOne 协同过滤算法
• 矩阵分解算法：SVD，SVD++，PMF，NMF

三、用baseline算法实现电影推荐

概念
baseline算法是基于统计的基准预测线打分

其中，
bui是预测值
bu是用户对整体的偏差
bi是上坪对整体的偏差

优化目标：

优化方法：

• SGD（梯度下降）
• ALS（交替最小二乘法）

实现代码

from surprise import Dataset
from surprise import Reader
from surprise import BaselineOnly
from surprise import accuracy
from surprise.model_selection import KFold

# 数据读取
reader = Reader(line_format='user item rating timestamp', sep=',', skip_lines=1)
data = Dataset.load_from_file('./ratings.csv', reader=reader)

# ALS优化
bsl_options = {'method': 'als','n_epochs': 5,'reg_u': 12,'reg_i': 5}
# SGD优化
#bsl_options = {'method': 'sgd','n_epochs': 5}
algo = BaselineOnly(bsl_options=bsl_options)
#algo = BaselineOnly()
#algo = NormalPredictor()

# 定义K折交叉验证迭代器，K=3
kf = KFold(n_splits=3)
for trainset, testset in kf.split(data):
    # 训练并预测
    algo.fit(trainset)
    predictions = algo.test(testset)
    # 计算RMSE
    accuracy.rmse(predictions, verbose=True)

uid = str(196)
iid = str(302)
# 输出uid对iid的预测结果
pred = algo.predict(uid, iid, r_ui=4, verbose=True)

四、用SlopeOne算法实现电影推荐

算法步骤：

1. 计算Item之间的评分差的均值，记为评分偏差（两个item都评分过的用户）
2. 根据Item间的评分偏差和用户的历史评分，预测用户对未评分的item的评分
3. 将预测评分排序，取topN对应的item推荐给用户

例如：

Step1，计算Item之间的评分差的均值：
b与a：((3.5-5)+(5-2)+(3.5-4.5))/3=0.5/3
c与a：((4-2)+(1-4.5))/2=-1.5/2
d与a：((2-2)+(4-4.5))/2=-0.5/2
c与b：((4-5)+(1-3.5))/2=-3.5/2
d与b：((2-5)+(4-3.5))/2=-2.5/2
d与c：((2-4)+(4-1))/2=1/2

Step2，预测用户A对商品c和d的评分
a对c评分=((-0.75+5)+(-1.75+3.5))/2=3
a对d评分=((-0.25+5)+(-1.25+3.5))/2=3.5

Step3，将预测评分排序，推荐给用户
推荐顺序为{d, c}

加权算法 Weighted Slope One
如果有100个用户对Item1和Item2都打过分, 有1000个用户对Item3和Item2也打过分，显然这两个rating差的权重是不一样的，因此计算方法为：
(100*(Rating 1 to 2) + 1000(Rating 3 to 2)) / (100 + 1000)

SlopeOne算法的特点：

• 适用于item更新不频繁，数量相对较稳定
• item数<<user数
• 算法简单，易于实现，执行效率高
• 依赖用户行为，存在冷启动问题和稀疏性问题

代码实现

from surprise import Dataset
from surprise import Reader
from surprise import SlopeOne

# 数据读取
reader = Reader(line_format='user item rating timestamp', sep=',', skip_lines=1)
data = Dataset.load_from_file('./ratings.csv', reader=reader)
train_set = data.build_full_trainset()

# 使用SlopeOne算法
algo = SlopeOne()
algo.fit(train_set)
# 对指定用户和商品进行评分预测
uid = str(196) 
iid = str(302) 
pred = algo.predict(uid, iid, r_ui=4, verbose=True)

五、用NormalPredictor实现电影推荐

假设评分数据是来自一个正态分布的数据，根据训练集的分布特征随机给出一个预测值。

代码实现

from surprise import Dataset
from surprise import Reader
from surprise import NormalPredictor
from surprise import accuracy
from surprise.model_selection import KFold

# 数据读取
reader = Reader(line_format='user item rating timestamp', sep=',', skip_lines=1)
data = Dataset.load_from_file('./ratings.csv', reader=reader)

# NormalPredictor进行求解
algo = NormalPredictor()
# 定义K折交叉验证迭代器，K=3
kf = KFold(n_splits=3)
for trainset, testset in kf.split(data):
    algo.fit(trainset)
    predictions = algo.test(testset)
    accuracy.rmse(predictions, verbose=True)
    
uid = str(196)
iid = str(302)
pred = algo.predict(uid, iid, r_ui=4, verbose=True)