推荐算法实现之BMF(pymc3+MovieLen)

最新推荐文章于 2023-05-09 17:58:57 发布

fjssharpsword

最新推荐文章于 2023-05-09 17:58:57 发布

阅读量1k

点赞数 1

分类专栏： Algorithm

本文链接：https://blog.csdn.net/fjssharpsword/article/details/97003011

版权

BMF是笔者根据PMF(http://papers.nips.cc/paper/3208-probabilistic-matrix-factorization.pdf)和BPMF(https://www.cs.toronto.edu/~rsalakhu/papers/bpmf.pdf)论文思路，自主构建的模型，主要思路是建立MF的概率模型，然后用贝叶斯推断方法（变分）来求解。参考代码如下：

# -*- Encoding:UTF-8 -*-
'''
@author: Jason.F
@data: 2019.07.22
@function: Implementing BMF(Bayesian Matrix Factorization) By VI
           Dataset: Movielen Dataset(ml-1m) 
           Evaluating: hitradio,ndcg
'''
import sys
import time
import logging

import pymc3 as pm
import numpy as np
import pandas as pd
import theano
import theano.tensor as t
import heapq
import math

def getTraindata():
    data = []
    filePath = '/data/fjsdata/ctKngBase/ml/ml-1m.train.rating&#