推荐系统Surprise库内置推荐算法

最新推荐文章于 2024-06-30 18:00:00 发布

Dawei_01

最新推荐文章于 2024-06-30 18:00:00 发布

阅读量4.9k

点赞数 2

分类专栏： ML 文章标签： Surprise 推荐系统内置算法协同过滤 SVD

本文链接：https://blog.csdn.net/Dawei_01/article/details/79844271

版权

Surprise是Python中的一个推荐系统库，提供多种推荐算法，包括基础算法、协同过滤和矩阵分解方法。例如，NormalPredictor、KNNBasic、SVD等。这些算法在处理用户和物品的评分数据时，有不同的策略来预测未知评分，如考虑用户和物品的平均评分、偏差或通过矩阵分解。SVDpp和NMF是矩阵分解方法，而SlopeOne和CoClustering则采用了不同的预测策略。

摘要由CSDN通过智能技术生成

在推荐系统的建模过程中，我们将用到python库 Surprise(Simple Python RecommendatIon System Engine)，是scikit系列中的一个。

简单易用，同时支持多种推荐算法：

基础算法/baseline algorithms
基于近邻方法(协同过滤)/neighborhood methods
矩阵分解方法/matrix factorization-based (SVD, PMF, SVD++, NMF)

算法类名	说明
1：random_pred.NormalPredictor	算法假设训练集服从随机正态分布，随机预测评分
2：baseline_only.BaselineOnly	预测给定user和Item的baseline估计
3：knns.KNNBasic	基础的协同过滤算法
4：knns.KNNWithMeans	考虑了每个用户的打分均值的协同过滤算法