import pandas as pd
import numpy as np
users = [f"User{i}" for i in range(1,6)]
items = [f"Item{i}" for i in 'ABCDE']
#假设用户购买记录
datasets = [
[1,0,1,1,0],
[1,0,0,1,1],
[1,0,1,0,0],
[0,1,0,1,1],
[1,1,1,0,1],
]
df = pd.DataFrame(datasets,columns=items,index=users)
from sklearn.metrics import jaccard_score
# 求itemA 和 B的相识度
jaccard_score(df['ItemA'], df['ItemB']) # 0.2
# 求任意两个用户或物品相似度
from sklearn.metrics import pairwise_distances
user_sim = 1 - pairwise_distances(df.values,metric='jaccard')
user_sim = pd.DataFrame(user_sim, columns=users, index=users)
User1 User2 User3 User4 User5
User1 1.000000 0.50 0.666667 0.2 0.4
User2 0.500000 1.00 0.250000 0.5 0.4
User3 0.666667 0.25 1.000000 0.0 0.5
User4 0.200000 0.50 0.000000 1.0 0.4
User5 0.400000 0.40 0.500000 0.4 1.0
# 物品相似度
item_sim = 1 - pairwise_distances(df.T.values,metric='jaccard')
item_sim = pd.DataFrame(item_sim, columns=items, index=items)
ItemA ItemB ItemC ItemD ItemE
ItemA 1.00 0.200000 0.75 0.40 0.400000
ItemB 0.20 1.000000 0.25 0.25 0.666667
ItemC 0.75 0.250000 1.00 0.20 0.200000
ItemD 0.40 0.250000 0.20 1.00 0.500000
ItemE 0.40 0.666667 0.20 0.50 1.000000
# 基于用户的协同过滤 找 每一个用户最相似的两个
topN_users = {}
for i in user_sim.index:
df1 = user_sim.loc[i].drop(i)
df1_sorted = df1.sort_values(ascending=False)
top2 = list(df1_sorted.index[:2])
topN_users[i] = top2
topN_users
{'User1': ['User3', 'User2'],
'User2': ['User4', 'User1'],
'User3': ['User1', 'User5'],
'User4': ['User2', 'User5'],
'User5': ['User3', 'User4']}
# 根据topn的相似用户构建推荐结果
rs_results = {}
for user, sim_users in topN_users.items():
rs_result = set()
for sim_user in sim_users:
# 获取物品共同购买过的集合
rs_result |= set(df.loc[sim_user].replace(0, np.nan).dropna().index)
# 过滤掉已经购买的商品
rs_result -= set(df.loc[user].replace(0, np.nan).dropna().index)
rs_results[user] = rs_result
#最后推荐结果:
rs_results
{'User1': {'ItemE'},
'User2': {'ItemB', 'ItemC'},
'User3': {'ItemB', 'ItemD', 'ItemE'},
'User4': {'ItemA', 'ItemC'},
'User5': {'ItemD'}}
推荐系统--基于用户物品的协同过滤示例(使用jaccard相似度)
最新推荐文章于 2023-01-11 17:01:45 发布