21CTO导读：
Python在机器学习，推荐算法，数据抓取，大数据分析等领域，提供了很多不错的扩展模块。本文就为大家抛砖引玉，提供一个用户对电影兴趣的推荐算法，欢迎讨论。
目录：
过程 电影评价多重分类 用户信息录入 计算皮尔逊相关系数找出兴趣相投的用户插入自己的数据 向某用户推荐电影加权平均所有人的评价 -
结果与分析
过程：
??? 用爬虫抓取豆瓣电影用户信息
??? 用多重分类法，定义电影评价等级
??? 计算自己与用户的皮尔逊相关度
??? 以人为主体分析相似度：找出志同道合的人，可以发现潜在喜欢的商品
??? 以商品为主体分析相似度：找出相似的商品，可以发现潜在的客户（如亚马逊的‘买了商品A的用户还买了商品B’)
电影评价多重分类：
很差
较差 还行 推荐 力荐
代码：
#-*-?coding:?utf-8?-*-?? import?json?? import?sys?? reload(sys)?? sys.setdefaultencoding(?"utf-8"?)?? ?? user_info?=?{}?? ?? #爬取到的数据?? user_dict?=?{?? ?????????????'ns2250225':[4,3,4,5,4],?? ?????????????'justin':[3,2],?? ?????????????'totox':[2,1,?? ?????????????'fabrice':[4,5],?? ?????????????'doreen':[3,2,3]?? ?????????????}?? ?? #录入用户数据?? def?user_data(user_dict):?? ????for?name?in?user_dict:?? ????????user_info[name]?=?{u'消失的爱人'?:?user_dict[name][0]}?? ????????user_info[name][u'霍比特人3']?=?user_dict[name][1]?? ????????user_info[name][u'神去村']?=?user_dict[name][2]?? ????????user_info[name][u'泰坦尼克号']?=?user_dict[name][3]?? ????????user_info[name][u'这个杀手不太冷']?=?user_dict[name][4]?? ?????????? ?? user_data(user_dict)?????? ?? #存放用户数据?? try:?? ????with?open('user_data.txt',?'w')?as?data:?? ????????for?key?in?user_info:?? ????????????data.write(key)?? ????????????for?key2?in?user_info[key]:?? ????????????????data.write('t')?? ????????????????data.write(key2)?? ????????????????data.write('t')?? ????????????????data.write('t')?? ????????????????data.write(str(user_info[key][key2]))?? ????????????????data.write('n')?? ????????????data.write('n')?? except?IOError?as?err:?? ????print('File?error:?'?+?str(err)) ?
计算皮尔逊相关系数，找出兴趣相投的用户：(插入自己的数据)
from?math?import?sqrt??? ?? #计算皮尔逊相关度(1为完全正相关，-1为完成负相关)?? def?sim_pearson(prefs,?p1,?p2):???? ????#?Get?the?list?of?mutually?rated?items???? ????si?=?{}???? ????for?item?in?prefs[p1]:???? ????????if?item?in?prefs[p2]:???? ????????????si[item]?=?1???? ???? ????#?if?they?are?no?ratings?in?common,?return?0???? ????if?len(si)?==?0:???? ????????return?0???? ???? ????#?Sum?calculations???? ????n?=?len(si)???? ???? ????#?Sums?of?all?the?preferences???? ????sum1?=?sum([prefs[p1][it]?for?it?in?si])???? ????sum2?=?sum([prefs[p2][it]?for?it?in?si])???? ???? ????#?Sums?of?the?squares???? ????sum1Sq?=?sum([pow(prefs[p1][it],?2)?for?it?in?si])???? ????sum2Sq?=?sum([pow(prefs[p2][it],?2)?for?it?in?si])???? ???? ????#?Sum?of?the?products???? ????pSum?=?sum([prefs[p1][it]?*?prefs[p2][it]?for?it?in?si])???? ???? ????#?Calculate?r?(Pearson?score)???? ????num?=?pSum?-?(sum1?*?sum2?/?n)???? ????den?=?sqrt((sum1Sq?-?pow(sum1,?2)?/?n)?*?(sum2Sq?-?pow(sum2,?2)?/?n)) ? ?? ????if?den?==?0:???? ????????return?0???? ????r?=?num?/?den?? ?????? ????return?r?? ?? ?? #插入自己的数据?? user_info['me']?=?{u'消失的爱人'?:?5,?? ???????????????????u'神去村'?:?3,?? ???????????????????u'炸裂鼓手'?:?5}?? ?? ?? ???????????? #找出皮尔逊相关系数>0的用户，说明该用户与自己的电影品味比较相近?? for?user?in?user_info:?? ????res?=?sim_pearson(user_info,?'me',?user)?? ????if?res?>?0:?? ????????print('the?user?like?%s?is?:?%s'?%?('me',?user))?? ????????print('result?:%fn'?%?res) ?
向某用户推荐电影（加权平均所有人的评价）
#向某个用户推荐电影(加权平均所有人的评价值)?? def?getRecommendations(prefs,person,similarity=sim_pearson):?? ??totals={}?? ??simSums={}?? ??for?other?in?prefs:?? ????#?don't?compare?me?to?myself?? ????if?other==person:?continue?? ????sim=similarity(prefs,other)?? ?? ????#?ignore?scores?of?zero?or?lower?? ????if?sim<=0:?continue?? ????for?item?in?prefs[other]:?? ?????????? ??????#?only?score?movies?I?haven't?seen?yet?? ??????if?item?not?in?prefs[person]?or?prefs[person][item]==0:?? ????????#?Similarity?*?Score?? ????????totals.setdefault(item,0)?? ????????totals[item]+=prefs[other][item]*sim?? ????????#?Sum?of?similarities?? ????????simSums.setdefault(item,0)?? ????????simSums[item]+=sim?? ?? ??#?Create?the?normalized?list?? ??rankings=[(total/simSums[item],item)?for?item,total?in?totals.items()]?? ?? ??#?Return?the?sorted?list?? ??rankings.sort()?? ??rankings.reverse()?? ??return?rankings?? ?? ?? #向我推荐电影?? res?=?getRecommendations(user_info,?"me")?? print('Recommand?watching?the?movie:')?? print?json.dumps(res,?encoding='UTF-8',?ensure_ascii=False)??
结果与分析：
与我电影口味相近的用户有：doreen,fabrice? 推荐我看的电影有：泰坦尼克号，这个杀手不太冷 以人为主体分析， 找出有相似爱好的人， 并向这些人推荐商品，可以发现潜在喜欢的商品 而若以商品为主体分析， 找出相似的商品， 找出喜欢这个产品的人， 可以发现商品潜在的客户
来源：数据挖掘入门与实战
（编辑：李大同）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
