python推荐算法库surprise_推荐系统实例的价格库,之,surprise

该博客演示了如何利用surprise库进行推荐系统开发,包括KNNBasic算法的使用,参数调优,以及使用GridSearchCV进行网格搜索。还展示了如何获取电影的最相似项,以'Now and Then (1995)'为例,找到了其最接近的10部电影邻居。
摘要由CSDN通过智能技术生成

from surprise import KNNBasic

from surprise import Dataset

from surprise.model_selection import cross_validate

data = Dataset.load_builtin('ml-100k')

algo = KNNBasic()

cross_validate(algo, data, measures=['RMSE', 'MAE'], cv=3, verbose=True)

d27f77f89cbc46987dc1ebadbe0f173d.png

参数选择

from surprise import SVD

from surprise import Dataset

from surprise.model_selection import GridSearchCV

param_grid = {'n_epochs':[5,10], 'lr_all':[0.001,0.002,0.005], 'reg_all':[0.2,0.4,0.6]}

grid_search = GridSearchCV(SVD, param_grid, measures=['RMSE','FCP'], cv=3)

data = Dataset.load_builtin('ml-100k')

grid_search.fit(data)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值