基于 Python 和Surprise库，新手轻松搭建推荐系统

本文主要是介绍基于 Python 和Surprise库，新手轻松搭建推荐系统，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

解密基于用户的推荐系统。

1、简介

在数据时代，推荐系统是提升用户体验的重要工具。今天介绍如何使用亚马逊的电影评分数据集创建电影推荐系统。

2、数据加载与探索

首先，通过加载和探索数据集开启数据分析过程。首先导入Pandas和Numpy，这是进行数据处理的基础库。通过检查数据集的前几行、形状、大小和统计摘要进行探索。.head()方法可以让我们一窥数据集的全貌，而.shape方法则展示了数据集的大小。

import pandas as pd
import numpy as np 
amazon = pd. read_csv (" path_to / Amazon . csv")
print ( amazon . head ()
print (" Dataset ␣ shape :", amazon . shape )

3、数据清洗和预处理

为了确保分析的完整性，必须替换缺失值并完善DataFrame。fillna方法可用于处理缺失值，这对于保持数据完整性至关重要。删除不相关的列（如'user_id'）可以使分析集中在电影评分上。

Amazon_filtered = amazon . fillna ( value =0)
Amazon_filtered1 = Amazon_filtered . drop ( columns =’user_id ’)

4、深入分析浏览量和评分

通过分析浏览量，分析电影的受欢迎程度，这涉及对评分进行求和并找到最大值。按电影对评分进行求和可以得到一个受欢迎度指标。argmax()函数可以识别出观看次数最多的电影。

Amazon_max_views = Amazon_filtered1 .sum ()
max_views_index = Amazon_max_views . argmax ()
print (" Most_viewed _movie _index :", max_views_index )

5、计算平均评分

通过计算电影的平均评分，可以了解观众的总体满意度。

average_ratings = Amazon_max_views . mean ()
print (" Average_rating :", average_ratings )

6、建立推荐模型：SVD算法

格式化数据供Surprise使用： 通过准备数据以供Surprise库使用来为推荐做好准备。

from surprise import Reader , Dataset
reader = Reader ( rating_scale =(-1, 10))
data = Dataset . load_from_df ( melt_df . fillna (0) , reader )

模型训练与评估： 该系统的开发目的是根据用户的偏好来推荐电影，推荐系统的首选工具Surprise库。

from surprise import SVD
from surprise.model_selection import train_test_split ,
cross_validate
trainset , testset = train_test_split (data , test_size =0.25)
algo = SVD ()
algo . fit( trainset )
predictions = algo . test ( testset )
cross_validate (algo , data , measures =[ ’RMSE ’, ’MAE ’], cv =3,
verbose = True )

进行预测： 现在，使用SVD算法进行预测，该算法是进行矩阵因式分解的强大工具，用于预测用户对电影的评分。

user_id = ’ A1CV1WROP5KTTW ’
movie = ’Movie6 ’
rating = 5
algo . predict ( user_id , movie , r_ui = rating )

结果如下所示：

7、结论（模型应用）

这个脚本不仅揭示了亚马逊电影评分数据的复杂性，还提供了一个多功能的分析工具包。这里的方法也可以适用于各种数据场景。例如，在教育领域，类似的推荐系统可以推荐个性化的学习材料、课程甚至课外活动，从而提高学生的参与度和学习效果。

8、教育示例

利用Surprise库，根据学生的偏好推荐教育资源。

数据集：

import pandas as pd
# 假设'education_data.csv'包含列'student_id'、'resource_id'和'rating'
education_data = pd. read_csv (" path_to / education_data . csv")
print ( education_data . head ()

分析资源受欢迎程度：

找出最受欢迎或评分最高的教育资源。

resource_popularity = education_filtered . groupby
’resource_id ’). sum ()
most_popular_resource =
resource_popularity [’rating ’]. idxmax ()
print (" Most_popular_resource :
{ most_popular_resource }")

建立教育推荐模型：

利用Surprise库，根据用户偏好推荐教育资源。

resource_popularity =
education_filtered . groupby (’ resource_id ’). sum ()
most_popular_resource =
resource_popularity [’rating ’]. idxmax ()
print (" Most _popular _resource :{ most_popular_resource }")

推荐教育资源：

针对特定学生和教育资源预测评分，展示该模型在教育环境中的适用性。

Student_id = ’student123 ’
resource = ’course456 ’
predicted_rating = algo . predict ( Student_id , resource ). est
print (" Predicted_rating_for_resource
{ resource }_by_user_{ user_id }:{ predicted_rating }")