在推荐算法概述中介绍了几种推荐算法的概念，但是没有具体代码实现，本篇文章首先来看一下基于用户的协同过滤python代码。
1 数据准备
本次案例中，我们使用用户对电影的打分数据进行演示。数据包含两个表，一个是movies表，记录了电影编号和电影名称的对应关系?
另外一张是ratings表，记录了每个用户对电影的打分情况?
2 Python代码实现
这里简述几个主要过程：
- 数据初始化 原始数据分别通过三列记录了用户、电影及打分，无法直接满足计算需要，因此这里我们首先要将原始数据转化为字典形式，记录每个用户与电影之间的关系。
########获得初始化数据
def __init__(self,data):
data_dic = {}
for line in data.itertuples():
if not line[1] in data_dic.keys():
data_dic[line[1]]={line[4]:line[2]}
else:
data_dic[line[1]][line[4]]=line[2]
self.data = data_dic- 计算用户间距离 基于用户的协同过滤第二步就是计算用户两两间的距离，计算距离的方式很多，这里提供欧式距离和皮尔逊系数两种方式，可以通过参数进行方法选择。推荐使用皮尔逊距离，因为可以消除打分膨胀的影响，即有的人打分普遍高，有的人打分普遍低。
########计算两个用户间距离
#pearson系数
def Pearson(self,user1,user2):
sum_xy = 0
sum_x = 0
sum_y = 0
sum_x2 = 0
sum_y2 = 0
n = 0
for key in user1:
if key in user2:
n = 1
x = user1[key]
y = user2[key]
sum_xy = x * y
sum_x = x
sum_y = y
sum_x2 = pow(x, 2)
sum_y2 = pow(y, 2)
if n == 0:
return 0
#皮尔逊相关系数计算公式
denominator = sqrt(sum_x2 - pow(sum_x, 2) / n) * sqrt(sum_y2 - pow(sum_y, 2) / n)
if denominator == 0:
return 0
else:
return (sum_xy - (sum_x * sum_y) / n) / denominator
#欧式距离
def Euclidean(self,user1,user2):
#取出两位用户评论过的电影和评分
distance = 0
#找到两位用户都评论过的电影，并计算欧式距离
for movie1,score1 in user1.items():
if movie1 in user2.items():#计算公共的电影的评分
#注意，distance越大表示两者越相似
distance = pow(float(user1[movie1])-float(user2[movie1]),2)
return 1/(1 sqrt(distance))#这里返回值越小，相似度越大
#选择计算距离方式
def getDistance(self,user1,user2,type):
if type == 'Pearson':
dis = self.Pearson(user1,user2)
if type == 'Euclidean':
dis = self.Euclidean(user1,user2)
return dis- 寻找最相似用户并进行推荐 根据距离，找到离目标用户最近的n个用户，将这n个用户看过但是目标用户没看过的电影进行推荐。
########找到与当前用户最近的n个邻居
def nearstUser(self,username,type,n=1):
distances={};#用户，相似度
for otherUser,items in self.data.items():#遍历整个数据集
if otherUser != username:#非当前的用户
distance=self.getDistance(self.data[username],self.data[otherUser],type)#计算两个用户的相似度
distances[otherUser]=distance
sortedDistance=sorted(distances.items(),key=operator.itemgetter(1),reverse=True);#最相似的N个用户
#print ("排序后的用户为：",sortedDistance)
return sortedDistance[:n]
#给用户推荐电影
def Recomand(self,username,tp = 'Pearson',n=1):
recommand={};#待推荐的电影
for user,score in dict(self.nearstUser(username,tp,n)).items():#最相近的n个用户
#print ("推荐的用户：",(user,score))
for movies,scores in self.data[user].items():#推荐的用户的电影列表
if movies not in self.data[username].keys():#当前username没有看过
#print ("%s为该用户推荐的电影：%s"%(user,movies))
if movies not in recommand.keys():#添加到推荐列表中
recommand[movies]=scores
return sorted(recommand.items(),key=operator.itemgetter(1),reverse=True);最终得到结果如下：
本代码只是对算法逻辑进行了最基本实现，真实应用时还可以加入打分时间、电影分类等维度，提升预测准确率。
后台回复“协同过滤用户”获得数据及完整代码
