推荐系统实战二

之前我们介绍了moviesLens数据集，数据集中主要有两个文件：

ratings数据

文件里面的内容包含了每一个用户对于每一部电影的评分。数据格式如下：

userId, movieId, rating, timestamp

userId: 每个用户的id

movieId: 每部电影的id

rating: 用户评分，是5星制，按半颗星的规模递增(0.5 stars - 5 stars)

timestamp: 自1970年1月1日零点后到用户提交评价的时间的秒数

数据排序的顺序按照userId，movieId排列的。

movies数据

文件里包含了一部电影的id和标题，以及该电影的类别。数据格式如下：

movieId, title, genres

movieId:每部电影的id

title:电影的标题

genres:电影的类别（详细分类见readme.txt）

本文，主要介绍如何通过该数据集实现UserCF算法。

1、数据处理

首先，我们定义我们数据的路径，并使用pandas读入：

这里我们按照4:1的比例将数据集进行拆分，同时打印出总的用户和电影数量、训练集中的用户和电影数量以及测试集中的用户和电影数量：

结果为：

所以，这里并不是所有的电影都被分到测试集合训练集中。接下来，我们得到用户-电影的评分矩阵，使用pandas的数据透视功能，同时，我们得到电影id和用户id与其对应索引的映射关系：

2、用户相似度计算

这里我们使用余弦相似度来计算用户之间的相似度关系：

随后，需要计算用户之间的相似度矩阵，对于用户相似度矩阵，这是一个对称矩阵，同时对角线的元素为0，所以我们只需要计算上三角矩阵的值即可：

接下来，我们要找到与每个用户最相近的K个用户，用这K个用户的喜好来对目标用户进行物品推荐，这里K=10，下面的代码用来计算与每个用户最相近的10个用户：

3、电影推荐

得到了每个用户对应的10个兴趣最相近的用户之后，我们根据下面的公式计算用户对每个没有观看过的电影的兴趣分：

这里，如果用户已经对电影打过分，那么兴趣值就是0，代码如下：

接下来，我们为每个用户推荐10部电影：

将推荐的结果转换为推荐列表之后，我们将推荐结果转换为二元组，这里要注意的是，我们一直使用的是索引，我们需要将索引的用户id和电影id转换为真正的用户id和电影id，这里我们前面定义的两个map就派上用场了：

最后一步，我们将推荐结果的电影id转换成对应的电影名，并打印结果：

结果如下：