Python推荐系统库Surprise
2024-10-09 17:01:53
Surprise(Simple Python Recommendation System Engine)是一款推荐系统库,是scikit系列中的一个。简单易用,同时支持多种推荐算法。基础算法、协同过滤、矩阵分解等
Surprise使用
Surprise里有自带的Movielens数据集。
- 1、载入自带数据集
from surprise import Dataset,evaluate,print_perf #默认载入movielens数据集
data=Dataset.load_builtin('ml-100k')
#k折交叉验证
data.split(n_folds=3)
#假设使用SVD矩阵分解
algo=SVD()
#在数据集上测试效果(评估)
perf=evaluate(algo,data,measures=['RMSE','MAE'])
print_perf(perf)
- 2、载入自己的数据集
#指定文件所在路径
file_path=os.path.expanduser('文件路径')
#告诉文本阅读器,文本的格式是怎样的
reader=Reader(line_format=' ',seq='\t')
#加载数据
data=DataSet.load_form_file(file_path,reader=reader)
最新文章
- H5案例分享:移动端touch事件判断滑屏手势的方向
- [SharePoint 2013] Automatic deployment script
- Eclipse中配置svn
- 怎样在linux下安装网卡驱动
- C#中获取服务器IP,客户端IP以及网卡物理地址
- PCI Express(四) - The transaction layer
- MySQL数据库优化技术之SQL语句慢查询定位
- Linux下安装Vapor
- 【综述】(MIT博士)林达华老师-";概率模型与计算机视觉”
- MVC过滤器进行统一登录验证
- ios7 JavaScriptCore.framework
- idea调试SpringMvc, 出现:java.lang.ClassNotFoundException: org.springframework.web.context.ContextLoaderListener错误的解决办法
- node创建第一个应用
- Linux常用命令(第二版) --压缩解压缩命令
- div 拖拽
- Java核心-多线程-并发控制器-CountDownLatch倒数闩
- WEB服务器与应用服务器的区别
- 课程三(Structuring Machine Learning Projects),第二周(ML strategy(2)) —— 0.Learning Goals
- JDK8漫谈——代码更优雅
- Java URL