学习日志-5月22日

本文记录了学习基于项目的协同过滤推荐算法的过程,通过阅读和理解代码,尝试理解和实现找到相似电影并进行推荐的功能。
摘要由CSDN通过智能技术生成

今天看了itemCF的代码
有很多看不懂的地方,改天留着请教其他人
`# coding = utf-8

基于项目的协同过滤推荐算法实现

import random
import time
import math
from operator import itemgetter

class ItemBasedCF():
# 初始化参数
def init(self,k):
# 找到相似的20部电影,为目标用户推荐10部电影
self.n_sim_movie = k
self.n_rec_movie = 10

    # 将数据集划分为训练集和测试集
    self.trainSet = {}
    self.testSet = {}

    # 用户相似度矩阵
    self.movie_sim_matrix = {}
    self.movie_popular = {}
    self.movie_count = 0

    print('Similar movie number = %d' % self.n_sim_movie)
    print('Recommneded movie number = %d' % self.n_rec_movie)


# 读文件得到“用户-电影”数据
def get_dataset(self, filename, pivot=0.8):
    trainSet_len = 0
    testSet_len = 0
    for line in self.load_file(filename):
        user, movie, rating, timestamp = line.split(',')
        if(random.rand
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值