
協(xié)同過濾推薦算法是誕生時間最早,而且應(yīng)用廣泛的,著名的推薦算法。其最主要的功能進行是預(yù)測和推薦。協(xié)同過濾推薦算法可以通過對用戶歷史行為數(shù)據(jù)的挖掘,從而發(fā)現(xiàn)用戶的偏好,并且基于不同的偏好,將用戶劃分為不同的群組,并推薦品味相似的商品?;谟脩舻?a href='/map/xietongguolv/' style='color:#000;font-size:inherit;'>協(xié)同過濾算法user-based collaboratIve filtering,是協(xié)同過濾推薦算法的極為重要的一個分類,今天小編主要給大家分享基于用戶的協(xié)同過濾算法的原理和實現(xiàn)。
一、基于用戶的協(xié)同過濾算法概念
基于用戶(user-based)的協(xié)同過濾算法是通過,挖掘用戶的歷史行為數(shù)據(jù),發(fā)現(xiàn)用戶對商品或內(nèi)容的偏好,并對這些偏好進行度量和打分。之后根據(jù)不同用戶對相同商品或內(nèi)容的態(tài)度以及偏好程度,來計算用戶之間的相似度關(guān)系?;谟脩舻?a href='/map/xietongguolv/' style='color:#000;font-size:inherit;'>協(xié)同過濾,主要計算的是用戶與用戶之間的相似度,只需要找出相似用戶喜歡的物品,并預(yù)測出目標(biāo)用戶對對應(yīng)物品的評分,就能夠找到評分最高的物品推薦給用戶,這樣能夠挖掘用戶的隱藏屬性。
二、基于用戶的協(xié)同過濾算法原理
基于用戶的協(xié)同過濾算法主要包括以下兩個步驟:
(1) 找到與目標(biāo)用戶興趣相似的用戶集合。
(2) 找到此集合中的用戶感興趣的,并且目標(biāo)用戶沒有接觸過的的物品推薦給目標(biāo)用戶。
基于用戶User-CF算法的假設(shè)是目標(biāo)用戶和其他用戶的興趣、偏好相似,那么他們喜歡的東西都應(yīng)該也相似,就是常說的人以群分。
基于用戶的協(xié)同過濾算法適用于用戶較少、用戶個性化興趣不太顯著的情況,這樣,在推薦過程中用戶新的行為不一定會導(dǎo)致推薦結(jié)果的變化,但是如果用戶過多,那么計算用戶相似矩陣的代價就會太大。并且這一算法不能解決新用戶進來的冷啟動問題,新物品進來卻可以較快地進行推薦。
三、算法實現(xiàn)
1.計算用戶相似度
user-item: movieId 1 2 3 4 5 6 7 8 userId 1 3.5 2.0 NaN 4.5 5.0 1.5 2.5 2.0 2 2.0 3.5 4.0 NaN 2.0 3.5 NaN 3.0 3 5.0 1.0 1.0 3.0 5.0 1.0 NaN NaN 4 3.0 4.0 4.5 NaN 3.0 4.5 4.0 2.0 5 NaN 4.0 1.0 4.0 NaN NaN 4.0 1.0 6 NaN 4.5 4.0 5.0 5.0 4.5 4.0 4.0 7 5.0 2.0 NaN 3.0 5.0 4.0 5.0 NaN 8 3.0 NaN NaN 5.0 4.0 2.5 3.0 4.0 # 構(gòu)建共同的評分向量 def build_xy(user_id1, user_id2): bool_array = df.loc[user_id1].notnull() & df.loc[user_id2].notnull() return df.loc[user_id1, bool_array], df.loc[user_id2, bool_array] #如此用戶評分矩陣中用戶1,和用戶2的共同評分向量是 movieId 1 3.5 2 2.0 5 5.0 6 1.5 8 2.0 Name: 1, dtype: float64, movieId 1 2.0 2 3.5 5 2.0 6 3.5 8 3.0 Name: 2, dtype: float64) # 皮爾遜相關(guān)系數(shù) def pearson(user_id1, user_id2): x, y = build_xy(user_id1, user_id2) mean1, mean2 = x.mean(), y.mean() # 分母 denominator = (sum((x-mean1)**2)*sum((y-mean2)**2))**0.5 try: value = sum((x - mean1) * (y - mean2)) / denominator except ZeroDivisionError: value = 0 return value
2.找到相似度最高的用戶并進行推薦:
# 計算最相似的鄰居 def computeNearestNeighbor(user_id, k=3): return df.drop(user_id).index.to_series().apply(pearson, args=(user_id,)).nlargest(k) #與用戶3相似的前3個用戶 userId 1 0.819782 6 0.801784 7 0.766965 Name: userId, dtype: float64 #推薦 def recommend(user_id): # 找到最相似的用戶id nearest_user_id = computeNearestNeighbor(user_id).index[0] print('最相似用戶ID:') print nearest_user_id # 找出鄰居評價過、但自己未曾評價的項目 # 結(jié)果:index是項目名稱,values是評分 return df.loc[nearest_user_id, df.loc[user_id].isnull() & df.loc[nearest_user_id].notnull()].sort_values() #對用戶3進行推薦結(jié)果 最相似用戶ID: 1 movieId 8 2.0 7 2.5 Name: 1, dtype: float64
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03