用Python实现svd++推荐算法

最新推荐文章于 2024-08-25 10:41:32 发布

冥更

最新推荐文章于 2024-08-25 10:41:32 发布

阅读量3.4k

点赞数

分类专栏：推荐系统

本文链接：https://blog.csdn.net/qq_24852439/article/details/84451895

版权

本文介绍了如何在Python中实现SVD++推荐算法，该算法在SVD基础上考虑了用户偏好，通过用户对电影的评分行为反映其喜好，以此提升推荐精度。通过目标函数和参数更新式来优化模型，旨在提供更精确的推荐效果。

摘要由CSDN通过智能技术生成

在SVD的基础上在用户特征矩阵上加入用户的偏好。某个用户对某个电影进行了评分，那么说明他看过这部电影，那么这样的行为事实上蕴含了一定的信息，因此我们可以这样来理解问题：评分的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的形式体现在模型中，从而得到一个更为精细的模型，便是 SVD++.
预测评分为：
在这里插入图片描述
目标函数：

参数更新式：

# -*- coding:utf-8 -*-

from __future__ import division, print_function

import numpy as np
from algorithm.estimator import Estimator


class SVDPlusPlus(Estimator):
    """
    属性
    ---------
    n_factors : 隐式因子数
    n_epochs : 迭代次数
    lr : 学习速率
    reg : 正则因子
    """

    def __init__(self, n_factors=20, n_epochs=20,