原理：矩陣分解

矩陣分解是推薦系統(tǒng)系列中的一種算法，顧名思義，就是將矩陣分解成兩個(gè)（或多個(gè)）矩陣，它們相乘后得到原始矩陣。在推薦系統(tǒng)中，我們通常從用戶與項(xiàng)目之間的交互/評(píng)分矩陣開(kāi)始，矩陣分解算法會(huì)將用戶和項(xiàng)目特征矩陣分解，這也稱為嵌入。下面以電影推薦中的評(píng)分，購(gòu)買等矩陣為例。

 

通常，在數(shù)據(jù)集中，要挖掘用戶和項(xiàng)目屬性的潛在特征。本質(zhì)上，潛在特征是用戶/項(xiàng)目在任意空間中的表示，表示用戶如何評(píng)價(jià)電影。在電影推薦系統(tǒng)的示例中，一個(gè)用戶樣本中包含了他所觀看的多個(gè)電影，潛在特征的值越高，則表示他喜歡該類型的電影，那么就應(yīng)該推薦此類型的電影。

    

準(zhǔn)備

本文所用數(shù)據(jù)來(lái)自kaggle，包含了76000個(gè)用戶樣本。

首先，導(dǎo)入數(shù)據(jù)和有關(guān)庫(kù)。

from recsys import * 
from generic_preprocessing import 

from IPython.display import HTML ## 以Ipython Notebook顯示

import pandas as pd,numpy as np

anime = pd.read_csv('anime.csv')
ratings = pd.read_csv('rating.csv').iloc[:5000000]    

為了創(chuàng)建推薦系統(tǒng)，我們需要一個(gè)可交互的矩陣。為此，使用recsys模塊中的create_interaction_matrix函數(shù)，這個(gè)函數(shù)要求以Pandas的DataFrame類型的數(shù)據(jù)為輸入，輸入數(shù)據(jù)的列必須有諸如用戶id，項(xiàng)目id和評(píng)分等。此函數(shù)的中如果設(shè)置norm=True，則意味著任何評(píng)分的值都應(yīng)該是正的。在這個(gè)示例中，沒(méi)有必要設(shè)置，因?yàn)閷?shí)際的購(gòu)買數(shù)據(jù)和評(píng)分都是正的。

# 利用評(píng)分?jǐn)?shù)據(jù)創(chuàng)建矩陣
interactions = create_interaction_matrix(df = ratings,
                     user_col = ‘user_id’,
                     item_col = ‘a(chǎn)nime_id’,
                     rating_col = ‘rating’)
interactions.shape

然后用create_user_dict和create_item_dict函數(shù)（recsys模塊）創(chuàng)建關(guān)于用戶和項(xiàng)目的字典。

# 用戶字典
user_dict = create_user_dict(interactions=interactions)
# 項(xiàng)目字典
movies_dict = create_item_dict(df = anime,
                               id_col = 'anime_id',
                               name_col = 'name')

矩陣分解模型

用recsys中的runMF函數(shù)來(lái)創(chuàng)建矩陣分解模型，這個(gè)函數(shù)的參數(shù)：

• interaction：前面所創(chuàng)建的矩陣
• n_components：對(duì)于每個(gè)用戶和項(xiàng)目嵌入的數(shù)量
• loss：定義一個(gè)損失函數(shù)，本例中我們使用warp損失函數(shù)，因?yàn)槲覀兏P(guān)心矩陣的秩。
• epoch：運(yùn)行的次數(shù)
• n_jobs：并行處理中使用的核數(shù)

mf_model = runMF(interactions = interactions,
                 n_components = 30,
                 loss = 'warp',
                 epoch = 30,
                 n_jobs = 4)