使用 SurPRISE 包 python 的similarities.cosine (with dataset)答案

【问题标题】：Using similarities.cosine (with dataset) of SurPRISE package python使用 SurPRISE 包 python 的similarities.cosine (with dataset)
【发布时间】：2017-12-06 10:11:05
【问题描述】：

简报：

我正在使用 Movielens 100k Dataset 推荐电影。到目前为止，我已经完成了。

值的排序

df_sorted_values = df.sort_values(['UserID', 'MovieID']) print type(df_sorted_values)
使用 NaN 值打印矩阵

df_matrix = df.pivot_table(values='Rating', index='UserID', columns='MovieID')
对其进行了5折CV

reader = Reader(line_format="user item rating", sep='\t', rating_scale=(1,5)) df = Dataset.load_from_file('ml-100k/u.data', reader=reader) df.split(n_folds=5)
我已经使用 SVD 评估了数据集

perf = evaluate(SVD(),df,measures=['RMSE','MAE']) print_perf(perf)
这里我需要使用相同包 (Surprise) 提供的使用相似性算法，它写为 surprise.cosine 来预测缺失值。这表明它需要 (*args,**kwargs) 参数，但我对实际传递的内容一无所知。
生成相似性后，我需要用现在预测的替换 NaN 值打印矩阵，稍后将用于推荐

附注我对来自 CRAB、RECSYS、PANDAS 和 GRAPHLAB 的不同解决方案持开放态度，前提是它们也可以在步骤 1 到 4 上解决

我过去的参考资料是：

This 手动，但没有显示参数是如何传递的也不是例子
This 和哪个没有太大区别首先

【问题讨论】：

标签： python pandas sklearn-pandas graphlab

【解决方案1】：

虽然计算 2 个向量之间的余弦相似度非常容易（1-np.dot(a,b)/(np.linalg.norm(a)*np.linalg.norm(b)) 怎么样

如果您不想自己实现它，我建议您使用 Scipy：

from scipy.spatial.distance import cosine

【讨论】：

我看不出它对像电影镜头 100k 这样的大型数据集有什么帮助，但我现在在同一个包中找到了相反的方法。非常感谢您在这里的回复。
如果您能阐明如何在应用算法后将数据集导出到 Surprise 包中，那将很有帮助！

【解决方案2】：

这些相似性函数是如这些文档：Using prediction algorithms，FAQ，The algorithm base class - compute_similarities基于Knn的allos。他们不应该像你想要的那样使用。

如果您选择使用SVD算法The algorithm base class - predict，则可能希望使用预测功能：

# Build an algorithm, and train it.
algo = SVD()
algo.train(trainset)
uid = str(196)  # raw user id  
iid = str(302)  # raw item id  
# get a prediction for specific users and items.
pred = algo.predict(uid, iid)

【讨论】：