【机器学习课程-华盛顿大学】：1 案例研究 1.5 推荐系统（2）音乐推荐系统

1、导入库和数据

import graphlab
graphlab.set_runtime_config('GRAPHLAB_DEFAULT_NUM_PYLAMBDA_WORKERS', 4)
song_data = graphlab.SFrame('song_data.gl/')
song_data.head()
graphlab.canvas.set_target('browser')
song_data['song'].show()
len(song_data)

 

 

 

2、切分数据集

train_data,test_data = song_data.random_split(.8,seed=0)

 

3、基于流行度的推荐系统

popularity_model = graphlab.popularity_recommender.create(train_data,
                                                         user_id='user_id',
                                                         item_id='song')

popularity_model.recommend(users=[users[0]])

 

4、基于个性化的推荐系统

personalized_model = graphlab.item_similarity_recommender.create(train_data,
                                                                user_id='user_id',
                                                                item_id='song')
personalized_model.recommend(users=[users[0]])

 

 

 

5、找到与当前歌曲相似的歌曲

personalized_model.get_similar_items(['With Or Without You - U2'])

 

 

 

6、2个模型的对比