个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现

Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE实现

一、实现原理和步骤

1、使用movielens数据集(943个用户,1682部电影,80000条评分数据);

2、输入用户id(1-943);

3、创建用户-电影评分矩阵;

4、canopy聚类算法根据用户评分对用户聚类;

5、将canopy聚类结果作为kmeans聚类初始点,进行kmeans聚类;

6、根据聚类结果进行协同过滤推荐;

7、计算推荐算法测评指标mae值;

8、本文描述项目实现详细过程看上一篇博客Movielens数据集+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现

二、实现代码

1、项目目录


个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第1张图片

三、运行结果

1、首页

个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第2张图片

2、Canopy+Kmeans聚类结果

个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第3张图片
个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第4张图片

3、协同过滤推荐算法结果

个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第5张图片
个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第6张图片

4、推荐算法测评指标MAE+RECALL+PRECISION

个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现_第7张图片

你可能感兴趣的:(个性化电影、图书、音乐等推荐系统 Movielens数据集+WEB+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现)