解决问题:
根据用户的选课情况,推荐相应的课程。
对应的文件如下:
相关文件:提取码:zxcv
复制这段内容后打开百度网盘手机App,操作更方便哦)
协同过滤算法的基本步骤:
1:收集用户偏好
2:找到相似的用户或物品
3:计算推荐
1:收集用户偏好
在这里,即用户对不同课程的选课情况,生成对应的0-1矩阵。
# _*_ coding:utf-8 _*_
# 作者:yunmen
# 日期:2021年10月21日
import pandas as pd
data=pd.read_csv(r'C:\Users\yunmen\Desktop\study_information.csv',sep=',',encoding='gbk')
user_id=data['user_id'].drop_duplicates()#获取index
course_id = data['course_id'].drop_duplicates() # 获取columns
da = pd.DataFrame(index=user_id, columns=course_id) # 新定义一个数据框da
da[:]=0
for i in range(len(data)):
row_i = data.iloc[i:i+1,:]
user = (row_i['user_id'].tolist())[0]
course = (row_i['course_id'].tolist())[0]
da.at[user, course] = 1
da.to_csv(r"C:\Users\yunmen\Desktop\metrix.csv")
2:找到相似的用户或物品
如何找到相似的事物?
我们通过,计算物体之间的距离,通过比较距离的大小进而判断事物间的相似度。
那么,如何量化这个距离?(也就是,要以怎样的计算方式作为标准来计算?)
这里面有,计算相似度的几种方法
这里采用:
皮尔逊相关系数(Pearson Correlation Coefficient)来表示两个课程间的相似程度。
(计算的话,dataframe直接内置计算函数corr(),不需要自己计算)
皮尔逊相关系数的计算
也就是我们线性回归时,相关系数的计算。
r∈(-1,1),越靠近1,相关性越强。
# _*_ coding:utf-8 _*_
# 作者:yunmen
# 日期:2021年10月22日
import pandas as pd
import csv
import numpy as np
data=pd.read_csv(r"C:\Users\yunmen\Desktop\metrix.csv")
data.drop('user_id',axis=1,inplace=True)
data= data.apply(lambda x:x.astype(float))
data.corr()
data.corr().to_csv(r"C:\Users\yunmen\Desktop\corr.csv")
3:计算推荐
计算学习的进度。
以学习课程的进度,乘以100,然后进行累加,最后排序。
#利用excel,对study_information.csv进行拆分生成的study_time.xlsx文件
# 作者:yunmen
# 日期:2021年10月22日
import pandas as pd
import csv
import numpy as np
#利用excel进行拆分生成的study_time.xlsx文件
data=pd.read_excel(r"C:\Users\yunmen\Desktop\study_time.xlsx")
da=data.groupby('user_id').sum().sort_values(by='time',ascending=False)
da.to_csv(r"C:\Users\yunmen\Desktop\study_time_rank.csv")
对学习进度最快的5人,进行课程的推荐
我们根据每个人已经选了课程,然后,依据之前计算的相关系数的矩阵,对每一门已选课程,找到它与未选课程之间的相关系数。然后,对所有的已选课程与未选课程的相关系数的累加,最终得到没门未选课程的一个系数的总和。
‘’’
对每一门已选课程,由学习的进度,区分计算权重的多少,采取的方法
对于选了的课:
学习进度为0,则对应的相关系数 乘以0.1
学习进度不为0,则对应的相关系数乘以(0.1+学习进度)。
即我们认为:
你选了这门课,但是没有进行学习,说明此课程不那么重要,所以在相关系数的累计所占的权重应该适当减小。
你选了这门课,进行了学习,那么学习进度越高,说明此课程更重要,所以在相关系数的累计所占的权重应该适当增加。
所以对于选择了的课程,我们根据其学习进度的情况,乘以此课程对应的其他课程的相关系数,作为最终的相关系数值
即是否选课,与学习时长,均占有一定的比重。
据此,分析出,相关度最高的3门课程。
‘’’
# _*_ coding:utf-8 _*_
# 作者:yunmen
# 日期:2021年10月23日
'''
采取的方法
对于选了的课,学习时长,为0,则对应的相关系数*0.1;学习时长不为0,则对应的相关系数*(0.1+学习进度)。
即是否选课,与学习时长占有一定的比重。
据此,分析出,相关度最高的3门课程。
'''
import pandas as pd
import csv
import numpy as np
course_metric=pd.read_csv(r"C:\Users\yunmen\Desktop\metrix.csv")
coor=pd.read_csv(r"C:\Users\yunmen\Desktop\corr.csv")
coor.fillna(0,inplace=True)
coor.set_index('Unnamed: 0',inplace=True)
co=pd.DataFrame(coor)
rank=pd.read_csv(r"C:\Users\yunmen\Desktop\study_time_rank.csv")
study_time=pd.read_excel(r"C:\Users\yunmen\Desktop\study_time.xlsx")
user=rank['user_id'].head(5).to_list()
recommend={}
for i in user:
#筛选出单一用户的选课数据
course_select = course_metric[course_metric['user_id'] == i]
index = course_select.columns.to_list()
rang = course_select.shape
#已选课程
has_selected=[]
#未选课程
nohas_selected =[]
for m in range(1, rang[1]):
if (course_select.iloc[:, m]).to_list()[0] == 1:
has_selected.append(index[m])
if (course_select.iloc[:, m]).to_list()[0] == 0:
nohas_selected.append(index[m])
li=[]
#对每一个已选课程,对未选课程相关系数的提取,同时根据已选课程的学习时间,加以特定的权重。
for j in has_selected:
param=list(study_time[(study_time['user_id'] == i) & (study_time['course_id'] == j)]['time'])[0]*0.01
if param==0:
param=0.1
else:
param=param+0.1
tem_list=list((co[j][co.index.isin(nohas_selected)]*param).sort_values(ascending=False).to_dict().items())[:]
li.extend(tem_list)
#li.extend(list(co[j][co.index.isin(nohas_selected)].sort_values(ascending=False).to_dict().items())[:])
#对所有的未选课程的相关权重的值结果,进行统计,排序得出得分最高的前3个课程,进行推荐。
cal={}
for k in li:
cal[k[0]]=cal.get(k[0],0)+k[1]
static = sorted(cal.items(), key=lambda x: x[1], reverse=True)[:3]
recommend[i]=static
print(recommend)
最终的推荐课程结果如下:
感谢观看,如有错误还望指正。