python实现svd++推荐算法

akiyamamio11

于 2018-02-11 22:13:48 发布

阅读量1.1w

点赞数 3

分类专栏： numpy python，推荐系统

本文链接：https://blog.csdn.net/akiyamamio11/article/details/79313339

版权

本文介绍了如何使用Python实现SVD++推荐算法，该算法在SVD基础上增加了用户和物品的个人喜好偏置项，以更好地捕捉用户行为。通过梯度下降优化，该模型能更准确地预测评分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

之前写过用python实现svd推荐算法，这次更进一步，在原来的基础上实现了svd++算法，基本框架和之前一篇是类似的.

SVD++算法的预测评分式子如下。

与SVD相比增加的是这部分：

它的含义是这样的：评分行为从侧面反映了用户的喜好，可以将这样的反映通过隐式参数形式体系在模型中，得到的就是上式的部分，其中Iu是用户u评论过的物品的集合，yj为隐藏的评价了物品j的个人喜好偏置，也通过梯度下降算法优化。这里的-1/2是个经验值。

详细代码如下：

import numpy as np
import random
'''
author:huang

svd++ algorithm


'''


class SVDPP:
    def __init__(self,mat,K=20):
        self.mat=np.array(mat)
        self.K=K
        self.bi={}
        self.bu={}
        self.qi={}
        self.pu={}
        self.avg=np.mean(self.mat[:,2])
        self.y={}
        self.u_dict={}
        for i in range(self.mat.shape[0]):

最低0.47元/天解锁文章