怎么用Python来搭建一个简单的推荐系统

这篇文章主要介绍了怎么用Python来搭建一个简单的推荐系统，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

我们会使用Movielens构建一个基于item的简易的推荐系统。在开始前，第一件事就是导入pandas和numPy。

import pandas as pd import numpy as np import warnings warnings.filterwarnings('ignore')

接下来，我们使用pandas read_csv（）加载数据集。数据集由制表符分隔，所以我们将\ t传递给sep参数。然后，使用names参数传入列名。

df = pd.read_csv('u.data', sep='\t', names=['user_id','item_id','rating','titmestamp'])

接下来查看表头，检查一下正在处理的数据。

df.head()

如果我们能够看到电影的标题而不仅仅是ID，那再好不过了。之后加载电影标题并把它与此数据集合并。

movie_titles = pd.read_csv('Movie_Titles') movie_titles.head()

由于item_id列相同，我们可以在此列上合并这些数据集。

df = pd.merge(df, movie_titles, on='item_id') df.head()

数据集中的每一列分部代表：

• user_id - 评级电影的用户的ID。

• item_id- 电影的ID。

• rating - 用户为电影提供的评级，介于1和5之间。

• timestamp - 电影评级的时间。

• title - 电影标题。

使用describe或info命令，就可以获得数据集的简要描述。如果想要真正了解正在使用的数据集的话，这一点非常重要。

df.describe（）

可以看出，数据集共有100003条记录，电影的平均评分介于3.52-5之间。

现在我们再创建一个dataframe，其中包含每部电影的平均评分和评分数量。之后，这些评分将用来计算电影之间的相关性。相关性是一种统计指标，表示两个或多个变量一起波动的程度。相关系数越高，电影越为相似。

以下例子将使用Pearson相关系数 （Pearson correlation coefficient），该数字介于-1和1之间，1表示正线性相关，-1表示负相关， 0表示没有线性相关。也就是说，具有零相关性的电影完全不相似。

我们会使用pandas groupby 功能来创建dataframe。按照标题对数据集进行分组，并计算其平均值获得每部电影的平均评分。

ratings = pd.DataFrame（df.groupby（'title'）['rating'].mean（）） ratings.头()

接下来我们创建number_of_ratings列,这样就能看到每部电影的评分数量。完成这步操作后,就可以看到电影的平均评分与电影获得的评分数量之间的关系。五星级电影很有可能只被一个人评价,而这种五星电影在统计上是不正确的。

因此,在构建推荐系统时,我们需要设置阈值。我们可以使用熊猫groupby功能来创建新列,然后按标题栏分组,使用计数函数计算每部电影的评分。之后,便可以使用头()函数查看新的dataframe。