python协同过滤算法实现电影推荐（附源码）

本例中使用得是著名得电影数据集MovieLens-100数据集

MoviesLens数据集是实现和测试电影推荐最常用得数据集之一，包含943个用户为精选得1682部电影给出得100000个电影评分

主要文件如下1:u.data 2:u.item 3:u.user

1：查看用户/电影排名信息得代码如下

import  pandas as pd
heads=[user_id,item_id,rating,timestamp]
ratings=pd.read_csv(ru.data,sep=	,names=heads)
print(ratings)
print("用户数量",len(ratings))

2：查看导入的电影数据表

代码如下

import  pandas as pd
u_cols=[user_id,age,sex,occupation,zip_code]
users=pd.read_csv(ru.data,sep=|,names=u_cols,encoding=latin-1)
print(users)
r_cols=[user_id,movie_id,rating,unix_timestamp]
ratings=pd.read_csv(ru.data,sep=	,names=r_cols,encoding=latin-1)
print(ratings)
m_cols=[movie_id,title,release_data,video_release_data,imdb_url]
movies=pd.read_csv(ru.item,sep=|,names=m_cols,usecols=range(5),encoding=latin-1)
print(movies)

3：用协同过滤推荐算法进行电影推荐

误差评估如下

全部代码如下

import  pandas as pd
import  numpy as np
from sklearn.metrics.pairwise import pairwise_distances
np.set_printoptions(suppress=True)  # 取消科学计数法输出
pd.set_option(display.max_rows, None) # 展示所有行
pd.set_option(display.max_columns, None) # 展示所有列
def predict(scoredata,similarity,type=user):
    #基于物品得推荐
    if type==item:
        predt_mat=scoredata.dot(similarity)/np.array([np.abs(similarity).sum(axis=1)])
    elif type==user:
        #计算用户评分值 减少用户评分高低习惯影响
        user_meanscorse=scoredata.mean(axis=1)
        score_diff=(scoredata-user_meanscorse.reshape(-1,1))
        predt_mat=user_meanscorse.reshape(-1,1)+similarity.dot(score_diff)/np.array([np.abs(similarity).sum(axis=1)]).T
    return predt_mat

#读取数据
print(step 1 读取数据)
r_cols=[user_id,movie_id,rating,unix_timestamp]
scoredata=pd.read_csv(ru.data,sep=	,names=r_cols,encoding=latin-1)
print(数据形状,scoredata.shape)
#生成用户-物品评分矩阵
print(step2 生成 用户物品评分矩阵)
n_users=943
n_items=1682
data_matrix=np.zeros((n_users,n_items))
for line in range(np.shape(scoredata)[0]):
    row=scoredata[user_id][line]-1
    col=scoredata[movie_id][line]-1
    score=scoredata[rating][line]
    data_matrix[row,col]=score
print(用户物品矩阵形状,data_matrix.shape)
#计算相似度
print(step3 计算相似度)
user_similaritry=pairwise_distances(data_matrix,metric=cosine)
item_similarity=pairwise_distances(data_matrix.T,metric=cosine)
print(user similarity,user_similaritry.shape)
print(item similartity,item_similarity.shape)
#进行相似度进行预测
print(step4 预测)
user_prediction=predict(data_matrix,user_similaritry,type=user)
item_perdiction=predict(data_matrix,item_similarity,type=item)

#显示推荐结果
print(step 5 显示推荐结果)
print(----------------)
print(ubcf预测形状,user_prediction.shape)
print(real answer
,data_matrix[:5,5])
print(预测结果
,user_prediction)
print(ibcf预测形状,item_perdiction.shape)
print(real answer
,data_matrix[:5,:5])
print(预测结果
,item_perdiction)
#性能评估
print(step 6 性能评估)
from sklearn.metrics import mean_squared_error
from math import sqrt
def rmse(predct,realNum):
    predct=predct[realNum.nonzero()].flatten()
    realNum=realNum[realNum.nonzero()].flatten()
    return sqrt(mean_squared_error(predct,realNum))
print(u-base mse=,str(rmse(user_prediction,data_matrix)))
print(m-based mse=,str(rmse(item_perdiction,data_matrix)))