Surprise库使用KNNBaseline算法进行电影推荐

最新推荐文章于 2023-12-13 22:56:26 发布

NewBee.Mu

最新推荐文章于 2023-12-13 22:56:26 发布

阅读量1.8k

点赞数 1

分类专栏：推荐系统 Surprise KNNBaseline

本文链接：https://blog.csdn.net/NewBeeMu/article/details/103439674

版权

本文详细介绍了如何利用Surprise库的KNNBaseline算法来实现电影推荐系统。首先，我们导入必要的库，然后加载数据集。接着，我们对数据进行预处理，包括评分标准化和构建用户-物品交互矩阵。接下来，我们实例化KNNBaseline模型，并进行训练。最后，通过评估指标验证模型效果，并展示推荐结果。

摘要由CSDN通过智能技术生成

# coding=utf-8
# @Time    : 2019/12/7 10:31
# @Author  : Z
# @Email   : S
# @File    : 5.0surprise_film.py

#Surprise库使用KNNBaseline算法进行电影推荐

from __future__ import (absolute_import, division, print_function, unicode_literals)
import os
import io
from surprise import KNNBaseline
from surprise import Dataset,Reader

import logging

# level: 设置日志级别，默认为logging.WARNING
# format: 指定输出的格式和内容，format可以输出很多有用信息，如上例所示:
#  %(levelno)s: 打印日志级别的数值
#  %(levelname)s: 打印日志级别名称
#  %(pathname)s: 打印当前执行程序的路径，其实就是sys.argv[0]
#  %(filename)s: 打印当前执行程序名
#  %(funcName)s: 打印日志的当前函数
#  %(lineno)d: 打印日志的当前行号
#  %(asctime)s: 打印日志的时间
#  %(thread)d: 打印线程ID
#  %(threadName)s: 打印线程名称
#  %(process)d: 打印进程ID
#  %(message)s: 打印日志信息
# datefmt: 指定时间格式
logging.basicConfig(level=logging.INFO,
                    format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
                    datefmt='%a, %d %b %Y %H:%M:%S')
# 训练推荐模型 步骤:1
def getSimModle():
    # Load the movielens