R语言—机器学习之基于用户协同过滤

参考文章：
用户推荐协同过滤算法(UserCF)的R实现
上述文章有部分，在此处已经修正。

1. 数据源如下，命名testCF.csv，放在我的桌面，路径：C:/Users/Administrator/Desktop/。

A11111	101	5
A11111	102	3
A11111	103	2.5
A22222	101	2
A22222	102	2.5
A22222	103	5
A22222	104	2
A33333	101	2.5
A33333	104	4
A33333	105	4.5
A33333	107	5
A44444	101	5
A44444	103	3
A44444	104	4.5
A44444	106	4
A55555	101	4
A55555	102	3
A55555	103	2
A55555	104	4
A55555	105	3.5
A55555	106	4

2. 代码如下：
   运行完毕后直接执行UserBasedRecommender(“A11111”) #参数为用户id，即输入用户id即可以得到若干推荐。UserBasedRecommender中有4个变量，分别是UserBasedRecommender（uid,data=..,n=2,N=3）.
   其中，uid为用户id,data为数据集,n代表与目标用户距离最近的n个用户,N代表最终推荐的商品数。

#载入数据
org_data = read.csv('C:\\Users\\Administrator\\Desktop\\testCF.csv',header=FALSE)
#1)将源数据转化为矩阵
FileDataModel = function(org_data){
  names(org_data) = c("uid","iid","pref")
  M = dcast(uid ~ iid,data=org_data)
  rownames(M) = unique(org_data$uid)
  M = as.matrix(M[-1])
  colnames(M) = unique(sort(org_data$iid))
  M 
}
#M = FileDataModel(org_data)
# 101 102 103 104 105 106 107
# 1 5.0 3.0 2.5  NA  NA  NA  NA
# 2 2.0 2.5 5.0 2.0  NA  NA  NA
# 3 2.5  NA  NA 4.0 4.5  NA   5
# 4 5.0  NA 3.0 4.5  NA   4  NA
# 5 4.0 3.0 2.0 4.0 3.5   4  NA
#原文是把NA替换为0，但是考虑到后面计算相似性的方便，这里把它保留了。
#2). 欧氏距离相似度算法
EuclideanDistanceSimilarity = function(M){
  simple = function(x,y){
    num = intersect(which(M[x,]!=0),which(M[y,]!=0)) 
    s = sum((M[x,] - M[y,])^2,na.rm = T)
    s = length(num)/(1 + sqrt(s))
    if(s > 1) s = 1
    if(s < -1) s = -1
    return(s)
  }
  outer(1:nrow(M),1:nrow(M),Vectorize(simple)) - diag(nrow(M))
}

# S
# [,1]      [,2]      [,3]      [,4]      [,5]
# [1,] 0.0000000 0.6076560 0.2857143 1.0000000 1.0000000
# [2,] 0.6076560 0.0000000 0.6532633 0.5568464 0.7761999
# [3,] 0.2857143 0.6532633 0.0000000 0.5634581 1.0000000
# [4,] 1.0000000 0.5568464 0.5634581 0.0000000 1.0000000
# [5,] 1.0000000 0.7761999 1.0000000 1.0000000 0.0000000
# 3). 最近邻算法
NearestNUserNeighborhood = function(S,n){
  sapply(1:n,function(i) {m = apply(S,2,which.max)
  ij = cbind(m,seq_along(m))
  S[ij] <<- 0
  m})
}
# #取距离最近的两位用户
# NEIGHBORHOOD_NUM = 2
# N = NearestNUserNeighborhood(S,NEIGHBORHOOD_NUM)
# # N
# # [,1] [,2]
# # [1,]    4    5
# # [2,]    5    3
# # [3,]    5    2
# # [4,]    1    5
# # [5,]    1    3
# # 4). 推荐算法
# #RECOMMENDER_NUM是推荐产品的个数
# RECOMMENDER_NUM = 3
# UserBasedRecommender = function(uid,n,M,S,N){
#   part = colnames(M)[is.na(M[uid,])] #用户A没有的商品
#   m = S[uid, N[uid,]]
#   md = M[N[uid,],part]
#   if(length(dim(md)) >= 1) {
#     a = colnames(md)[colSums(md,na.rm=TRUE)!=0]
#     score = colSums(md*m,na.rm = T)/apply(!is.na(md),2,function(x) sum(m[x])) 
#     res = score[order(score,decreasing=T)][1:n]
#     res = res[intersect(names(res),a)]
#     return(res)
#   } else { res = NA}
# }
#org_data是源数据集，uid为用户id排序,n为推荐多少个产品,N为取多少个距离最近的几个用户
UserBasedRecommender=function(uid,data=org_data,n=2,N=3){
  library(reshape2)
  M = FileDataModel(org_data)#转化矩阵形式
  S = EuclideanDistanceSimilarity(M) #计算用户之间的距离相似度，这里用欧式距离
  N = NearestNUserNeighborhood(S,N) #取出距离最近的几个用户
  uid_N=which(rownames(M)==uid)
  part = colnames(M)[is.na(M[uid_N,])] #用户A没有的商品
  m = S[uid_N, N[uid_N,]]
  md = M[N[uid_N,],part]
  if(length(dim(md)) >= 1) {
    a = colnames(md)[colSums(md,na.rm=TRUE)!=0]
    score = colSums(md*m,na.rm = T)/apply(!is.na(md),2,function(x) sum(m[x])) 
    res = score[order(score,decreasing=T)][1:n]
    res = res[intersect(names(res),a)]
    return(res)
  } else { res = NA}
}

上述代码用Rmarkdown实现，实现代码如下：

想进一步了解R与数据挖掘可以关注我的知乎QQ ZHOU.