郑捷《机器学习算法原理与编程实践》学习笔记（第四章 推荐系统原理）（三）SVD...

　　4.5.1 SVD算法回顾

　　A = U∑V^T

　　其中：A是N*M的矩阵，U是M*M的方阵（里面向量正交，称为左奇异向量）,∑是一个M*N的矩阵，V^T是一个N*N的矩阵（里面向量正交，右奇异向量）

　　那么奇异值是怎么对应起来的呢？首先，将矩阵A转置A^T，将会得到一个方阵，这个方阵求特征值可以得到：

　　（AA^T）v = λv

　　这里得到的v，就是我们上面的右奇异值，此外我们还可以得到：

　　δ = λ^1/2=>u=Av/δ

　　δ就是奇异值，u就是上面说的左奇异向量。奇异值δ跟特征值类似，在矩阵∑中也是按从大到小排列。而且δ的减少特别快，在很多情况下，前10%甚至1%的奇异值的和就占了全部奇异值之和的99%以上，也就是，我们也可以用前r个奇异值来近似描述矩阵。这里定义一下部分奇异值分解：

　　A_m×n≈ A_m×r = U_m×r∑_r×rV^T_r×n

　　右边的三个矩阵相乘的结果将会是一个接近于A的矩阵，在这里，r越接近于n，则相乘的结果越接近于A。而这三个矩阵的面积之和（对于存储观点来说，矩阵面积越小，存储量就越小）要远远小于原始的矩阵A。我们如果想要压缩空间来表示矩

阵，只要记录U、∑、V三个矩阵即可。

　　例子：

　　

#coding:utf-8
from numpy import *

A        = mat([[5,5,3,0,5,5],
                [5,0,4,0,4,4],
                [0,3,0,5,4,5],
                [5,4,3,3,5,5]])
U         = A*A.T   #手工分解求矩阵的svd
lamda,hU = linalg.eig(U) #hU:U特征向量
VT        = A.T*A
ev,hVT    = linalg.eig(VT)#hVT:VT特征向量
hV        = hVT.T
print "hU:",hU           #U矩阵
print "hV:",hV           #V矩阵
sigma     = sqrt(lamda)   #奇异值
print"sigma:",sigma

　　使用NumPy的Linalg中的svd函数计算如下。

sigma     = np.zeros([shape(A)[0],shape(A)[1]])
U,S,VT    = linalg.svd(A)
print S

　　4.5.2 常用的距离函数

　　（1）欧式距离

#欧式距离
eps = 1.0e-6
def distEclud(vecA,vecB):
    return linalg.norm(vecA-vecB) + eps

　　（2）相关系数

　　

def distCorrcoef(vecA,vecB):
    return corrcoef(vecA,vecB,rowvar = 0)[0][1]

　　（3）Jaccard距离

import scipy.spatial.distance as dist
def distJaccard(vecA,vecB):
    temp = mat([array(vecA.tolist()[0]),array(vecB.tolist()[0])])
    return dist.pdist(temp,'jaccard')

　　（4）余弦定理

def cosSim(vecA,vecB):
    return dot(vecA,vecB)/((linalg.norm(vecA)*(linalg.norm(vecB))+eps)

　　4.5.3 SVD数据集

　　SVD数据集用于计算奇异值分解测试。

　　

#加载修正后的数据
trainset = mat([[0,0,0,0,0,4,0,0,0,0,5],
                [0,0,0,3,0,4,0,0,0,0,3],
                [0,0,0,0,4,0,0,1,0,4,0],
                [3,3,4,0,0,0,0,2,2,0,0],
                [5,4,5,0,0,0,0,5,5,0,0],
                [0,0,0,0,5,0,1,0,0,5,0],
                [4,3,4,0,0,0,0,5,5,0,1],
                [0,0,0,4,0,4,0,0,0,0,4],
                [0,0,0,2,0,2,5,0,0,1,2],
                [0,0,0,0,5,0,0,0,0,4,0],])
test = mat([[1,0,0,0,0,0,0,1,2,0,0]])

4.5.4 SVD算法主函数

　　根据SVD的原理，我们实现了最简单的SVD算法的主函数。

　　

#coding:utf-8
__author__ = 'wuchuanying'

#dataSet 训练集
#testVect 测试集
#r = 3 取前r个近似值
#rank =1 ,结果排序
#distCalc 相似度计算函数

from numpy import *

def recommand(dataSet,testVect,r = 3,rank = 1,distCalc = cosim):
    m,n = shape(dataSet)
    limit = min(m,n)
    if r > limit:
        r = limit
    U,S,VT = linalg.svd(dataSet.T)   #svd分解
    V      = VT.T
    Ur     = U[:,:r]
    Sr     = diag(S)[:r,:r]         #If v is a 1-D array, return a 2-D array with v on the k-th diagonal.
    Vr     = V[:,:r]
    testresult = testVect*Ur*linalg.inv(Sr)  #计算User E的坐标值
    #计算测试集与训练集每个记录的相似度
    resultarray = array([distCalc(testresult,vi) for vi in vr])
    descindx    = argsort(-resultarray)[:rank]  #排序结果---降序
    return descindx,resultarray[descindx]      #排序后的索引和值

　　4.5.5 评估结果

　　执行Recommend_lib中的推荐方法，获取执行结果

　　

trainset = mat([[0,0,0,0,0,4,0,0,0,0,5],
                [0,0,0,3,0,4,0,0,0,0,3],
                [0,0,0,0,4,0,0,1,0,4,0],
                [3,3,4,0,0,0,0,2,2,0,0],
                [5,4,5,0,0,0,0,5,5,0,0],
                [0,0,0,0,5,0,1,0,0,5,0],
                [4,3,4,0,0,0,0,5,5,0,1],
                [0,0,0,4,0,4,0,0,0,0,4],
                [0,0,0,2,0,2,5,0,0,1,2],
                [0,0,0,0,5,0,0,0,0,4,0],])
test = mat([[1,0,0,0,0,0,0,1,2,0,0]])

indx,resultarray = recommand(A,test,r = 2,rank = 2,distCalc = cosSim)

　　执行结果如下：

　　[4,3]

　　[0.99995847,0.99987554]

　　返回最相似的两个向量，第一个相似度是99.996%，第二个相似度99.998%,可以将这两个向量的物品推荐给测试集中的用户。

 

 

　　资料来源及版权所有：郑捷《机器学习算法原理与编程实践》 仅供学习研究

　　

　　

转载于:https://www.cnblogs.com/wuchuanying/p/6265699.html