Surprise简介
Surprise（Simple Python Recommendation System Engine）是一款推荐系统库，是scikit系列中的一个。surprise设计时考虑到以下目的：
- 让用户完美控制他们的实验。为此，特别强调文档，试图通过指出算法的每个细节尽可能清晰和准确。
- 减轻数据集处理的痛苦。用户可以使用内置数据集（Movielens， Jester）和他们自己的自定义数据集。
- 提供各种即用型预测算法，例如基线算法，邻域方法，基于矩阵因子分解（SVD，PMF，SVD ++，NMF）等等。此外，内置了各种相似性度量（余弦，MSD，皮尔逊…）。
- 可以轻松实现新的算法思路。
- 提供评估，分析和比较算法性能的工具。使用强大的CV迭代器（受scikit-learn优秀工具启发）以及对一组参数的详尽搜索，可以非常轻松地运行交叉验证程序。
Surprise的主要特点是简单易用，同时支持多种推荐算法：
- 基础算法/baseline algorithms
- NormalPredictor： 根据训练集的分布特征随机给出一个预测值
- BaselineOnly：给定用户和Item，给出基于baseline的估计值
- 基于近邻方法(协同过滤)/neighborhood methods
- KNNBasic：最基础的协同过滤
- KNNWithMeans：将每个用户评分的均值考虑在内的协同过滤实现
- KNNBaseline：考虑基线评级的协同过滤
- 矩阵分解方法/matrix factorization-based
- SVD：SVD实现
- SVDpp：SVD++，即LFM+SVD
- NMF：基于矩阵分解的协同过滤
- SlopeOne：一个简单但精确的协同过滤算法
- CoClustering：基于协同聚类的协同过滤算法
其中基于近邻的方法(协同过滤)可以设定不同的相似度度量标准：
- Cosine：余弦相似度
- msd：均方差异相似度
- pearson：Pearson相关系数。
- pearson_baseline：（缩小的）Pearson相关系数，使用基线进行居中而不是平均值。
支持不同的评估准则：
- rmse：均方根误差
- mae：平均绝对误差
- fcp：协调对的分数
Surprise的使用
接下来，在surprise内置的数据集（movielens）上用协同过滤算法来构建一个简单的电影推荐系统。
利用协同过滤算法构建推荐系统，并测试效果
from __future__ import (absolute_import, division, print_function, unicode_literals)
import os
import io
from surprise import KNNBaseline
from surprise import Dataset
from evaluate, print_perf
# 定义read_item_names()函数，以获取电影名到电影id和电影id到电影名的映射
def read_item_names():
file_name = (os.path.expanduser('~') + '/.surprise_data/ml-100k/ml-100k/u.item')
rid_to_name = {}
name_to_rid = {}
with io.open(file_name, 'r', encoding='ISO-8859-1') as f:
for line in f:
line = line.split('|')
rid_to_name[line[0]] = line[1]
name_to_rid[line[1]] = line[0]
return rid_to_name, name_to_rid
# 用KNNBaseline算法构建推荐系统，计算相似度
data = Dataset.load_builtin('ml-100k')
trainset = data.build_full_trainset()
sim_options = {'name': 'pearson_baseline', 'user_based': False}
algo = KNNBaseline(sim_options=sim_options)
algo.train(trainset)
# 用RMSE、MAE和FCP测试推荐系统效果
perf = evaluate(algo, data, measures=['RMSE', 'MAE', 'FCP'])
# 输出结果
print_perf(perf)
利用构建的电影推荐系统进行推荐
# 获取电影名到电影id 和 电影id到电影名的映射
rid_to_name, name_to_rid = read_item_names()
# 根据Toy Story这部电影来进行推荐
# 找到Toy Story这部电影对应的item id
toy_story_raw_id = name_to_rid['Toy Story (1995)']
toy_story_raw_id
toy_story_inner_id = algo.trainset.to_inner_iid(toy_story_raw_id)
toy_story_inner_id
# 找到相似度最近的10个电影
toy_story_neighbors = algo.get_neighbors(toy_story_inner_id, k=10)
toy_story_neighbors
# 从近邻的id映射回电影名称
toy_story_neighbors = (algo.trainset.to_raw_iid(inner_id)
for inner_id in toy_story_neighbors)
toy_story_neighbors = (rid_to_name[rid]
for rid in toy_story_neighbors)
print()
print('The 10 nearest neighbors of Toy Story are:')
for movie in toy_story_neighbors:
print(movie)
参考链接：
本文来自biaodianfu，观点不代表一起大数据-技术文章心得立场，如若转载，请注明出处：https://www.biaodianfu.com/surprise.html
