Python推薦系統庫--Surprise理論

Surprise

Surprise是scikit系列中的一個。Surprise的User Guide有詳細的解釋和說明

支持多種推薦算法

基礎算法/baseline algorithms

基於近鄰方法（協同過濾）/neighborhood methods

矩陣分解方法/matrix factorization-based (SVD, PMF, SVD++, NMF)

 

下面介紹幾種算法

基礎算法：

　　1. random_pred.NormalPredictor

　　說明：Algorithm predicting a random rating based on the distribution of the training set, which is assumed to be normal.

　　意思是：算法基於訓練集的分佈預測隨機等級，假設該分佈爲正態分佈

　　2. baseline_only.BaselineOnly

　　說明：Algorithm predicting the baseline estimate for given user and item.

　　意思是：算法預測給定用戶和項目的基線估計

協同過濾算法：

　　3. knns.KNNBasic

　　說明：A basic collaborative filtering algorithm.

　　意思是：一種基本的協同過濾算法

　　4. knns.KNNWithMeans

　　說明：A basic collaborative filtering algorithm, taking into account the mean ratings of each user.

　　意思是：一個基本的協同過濾算法，考慮到每一個用戶的平均評分

　　5. knns.KNNBaseline

　　說明：A basic collaborative filtering algorithm taking into account a baseline rating.

　　意思是：一種基本的協同過濾算法考慮到基準評分

矩陣分解方法：

　　6. matrix_factorization.SVD

　　說明：The famous SVD algorithm, as popularized by Simon Funk during the Netflix Prize.

　　意思是：著名的SVD算法

　　7. matrix_factorization.SVDpp

　　說明：The SVD++ algorithm, an extension of SVD taking into account implicit ratings.

　　意思是：SVD++算法，SVD的一個擴展，考慮到隱式評級

　　8. matrix_factorization.NMF

　　說明：A collaborative filtering algorithm based on Non-negative Matrix Factorization.

　　意思是：一種基於非負矩陣的協同過濾算法

　　9. slope_one.SlopeOne

　　說明：A simple yet accurate collaborative filtering algorithm.

　　意思是：一種簡單而準確的協同過濾算法

　　10. co_clustering.CoClustering

　　說明：A collaborative filtering algorithm based on co-clustering.

　　意思是：一種基於共聚類的系統過濾算法

其中基於近鄰的方法（協同過濾）能夠設定不一樣的度量準則

類似度度量標準

　　1. cosine

　　說明：Compute the cosine similarity between all pairs of users (or items).

　　意思是：計算全部用戶對（或物品）之間的類似度

　　2. msd

　　說明：Compute the Mean Squared Difference similarity between all pairs of users (or items).

　　意思是：計算全部用戶對（或物品）之間的平均平方差類似度

　　3. pearson

　　說明：Compute the Pearson correlation coefficient between all pairs of users (or items).

　　意思是：計算全部用戶對（或物品）之間的皮爾遜相關係數

　　4. pearson_baseline

　　說明：Compute the (shrunk) Pearson correlation coefficient between all pairs of users (or items) using baselines for centering instead of means.

　　意思是：計算全部用戶對（或物品）之間的皮爾遜相關係數（收縮），使用基線進行居中，而不是使用平均值

支持不一樣的評估準則

評估準則

　　1. rmse    最小均方根偏差

　　2. mae     平均絕對偏差

　　3. fcp        協調對的分數

參考文章：https://blog.csdn.net/mycafe_/article/details/79146764