最近跟着大神在进行机器学习实战,用GraphLab Create做音乐推荐系统。在这里,我将构建两种方法的音乐推荐系统,分别为:基于流行度的推荐系统和基于个性化的推荐系统。并且对于构建的推荐系统,分别用准确率和召回率来进行评估。
下面我将详细介绍怎么用GraphLab Create来构建音乐推荐系统。
- 系统:Windows10系统
- 软件:GraphLab Create,Jupyter Notebook,python2,IPython
1、导入GraphLab Create包
import graphlab
并将GraphLab Canvas的显示设置为显示在IPython Notebook中(PS:这一步纯属个人习惯)
graphlab.canvas.set_target('ipynb')
2、读取数据
song_data = graphlab.SFrame('song_data.csv')
我们的音乐数据格式如下图所示,由X1(每一行的行标)、UserID(用户名映射过来的ID)、SingerID(歌手名映射过来的ID)、Rating(用户点击歌手的次数,代表歌手的流行度)、SingerTitle(歌手名)、UserTitle(用户名)组成