pythonÈËÂíÊÞÍâÍøÓ¦Óó¡¾°ºÍ¼ÛÖµ·ÖÎö

À´Ô´£ºÖ¤È¯Ê±±¨Íø×÷Õߣº
×ÖºÅ

3¶¨ÏòÊý¾Ý²É¼¯µÄʵÏÖ·½·¨

ʹÓÃPythonÈËÂíÊÞÊÞÍâÍøÅÀ³æ¿ò¼Ü½øÐж¨ÏòÊý¾Ý²É¼¯µÄÒ»°ã?²½ÖèÈçÏ£º

¶¨ÒåÄ¿±êºÍ¹æÔò£ºÃ÷È·ÐèҪץȡµÄÍøÒ³ÄÚÈݺ;ßÌåÊý¾ÝÏî£¬ÖÆ¶¨Êý¾Ý²É¼¯µÄ¹æÔòºÍ²ßÂÔ¡£

±àдÅÀ³æ´úÂ룺ÀûÓÿò¼ÜÄÚÖõŤ¾ßºÍ¿â£¬±àдÅÀ³æ´úÂ룬ʵÏÖ¶ÔÄ¿±êÍøÒ³µÄ·ÃÎʺÍÊý¾ÝÌáÈ¡¡£

Êý¾Ý´¦ÀíºÍ´æ´¢£º¶Ôץȡµ½µÄÊý¾Ý½øÐÐÇåÏ´ºÍ´¦Àí£¬´æ´¢µ½±¾µØ»òÊý¾Ý¿âÖУ¬ÒÔ±¸ºóÐø·ÖÎöºÍʹÓá£

½ðÈڿƼ¼Óë·çÏÕ¹ÜÀí

ÔÚ½ðÈڿƼ¼ºÍ·çÏÕ¹ÜÀíÁìÓò£¬PythonµÄÓ¦ÓÃÒ²·Ç³£¹ã·º¡£½ðÈÚÊý¾ÝµÄ¸´ÔÓÐԺͶàÑùÐÔ£¬Ê¹µÃ¸ßЧµÄÊý¾Ý´¦ÀíºÍ·ÖÎö±äµÃÓÈÎªÖØÒª¡£PythonµÄÇ¿´óÊý¾Ý·ÖÎö¿âºÍ»úÆ÷ѧϰ¹¤¾ß£¬Ê¹µÃ½ðÈÚ»ú¹¹Äܹ»¸üºÃµØ½øÐзçÏÕÆÀ¹À¡¢Êг¡Ô¤²âºÍ½»Ò×ÓÅ»¯¡£ÀýÈ磬ͨ¹ýʹÓÃPython£¬¿ÉÒÔ¹¹½¨¸´ÔӵĽðÈÚÄ£ÐÍ£¬ÊµÏÖ¶ÔÊг¡Ç÷ÊÆºÍ·çÏÕÒòËØµÄÉîÈë·ÖÎö£¬´Ó¶øÖƶ¨¸ü¼Ó¿ÆÑ§µÄͶ×ʺͷçÏÕ¹ÜÀí²ßÂÔ¡£

ʾÀý´úÂ룺»ùÓÚÓû§ÐÐΪµÄ²úÆ·ÍÆ¼ö

fromsklearn.neighborsimportNearestNeighbors#¼ÙÉèÎÒÃÇÓÐÓû§-ÉÌÆ·½»»¥¾ØÕóuser_item_matrix=pd.DataFrame({'user_id':1,1,2,2,3,3,'item_id':1,2,1,3,2,3,'rating':5,4,3,4,5,2})#¹¹½¨ÍƼöϵͳmodel=NearestNeighbors(metric='cosine',algorithm='brute')model.fit(user_item_matrix.pivot(index='user_id',columns='item_id',values='rating'))#ΪÓû§ÍƼöÏà¹ØÉÌÆ·defrecommend_items(user_id,n=3):user_items=user_item_matrixuser_item_matrix'user_id'==user_id.item_id.valuesdistances,indices=model.kneighbors(user_item_matrix.pivot(index='user_id',columns='item_id',values='rating').locuser_id,n_neighbors=n+1)recommended_items=foriinrange(1,n+1):recommended_items.append(indices0i)#¹ýÂ˵ôÓû§ÒѾ­ä¯ÀÀ¹ýµÄÉÌÆ·recommended_items=itemforiteminrecommended_itemsifitemnotinuser_itemsreturnrecommended_itemsprint(recommend_items(1))

Éç»áÔðÈÎ

PythonÈËÂíÊÞÔÚÍâÍøÖеÄÓ¦Ó㬻¹ÌåÏÖÁËÆóÒµµÄÉç»áÔðÈΡ£Í¨¹ý¸ßЧµÄÊý¾Ý´¦ÀíºÍ·ÖÎö£¬ÆóÒµÄܹ»¸üºÃµØÂÄÐÐÉç»áÔðÈΣ¬Èç»·¾³±£»¤¡¢¹«Æ½Ã³Ò׺ÍÉç»á¹«ÒæµÈ¡£ÕâÖÖÉç»áÔðÈθУ¬Ê¹ÆóÒµÓ®µÃÁ˸ü¶àµÄ?Éç»áÐÅÈκÍÖ§³Ö¡£

PythonÈËÂíÊÞÔÚÍâÍøÓ¦ÓÃÖеĶàÑù»¯Ó¦Óó¡¾°ºÍ¾Þ´ó¼ÛÖµ£¬Ê¹Æä³ÉΪÏÖ´úÆóÒµ²»¿É»òȱµÄ¹¤¾ß¡£Í¨¹ý×Ô¶¯»¯´¦Àí¸÷ÖÖÈÎÎñ£¬PythonÈËÂíÊÞ²»½öÌá¸ßÁ˹¤×÷ЧÂÊ£¬½µµÍÁ˳ɱ¾£¬»¹ÔöÇ¿ÁËÆóÒµµÄ°²È«ÐԺ;ºÕùÁ¦£¬ÎªÆóÒµµÄ·¢Õ¹ºÍÉç»á½ø²½×ö³öÁËÖØÒª¹±Ïס£

ʵÏÖ·½°¸

ÔÚ¸ÃÏîÄ¿ÖУ¬ÎÒÃǽ«ÈÎÎñ²ð·ÖΪ¶à¸öСÈÎÎñ£¬Ã¿¸öСÈÎÎñ¸ºÔð´ÓÒ»¸öÌØ¶¨µÄ»¥ÁªÍøÆ½Ì¨²É¼¯Ò»²¿?·ÖÆÀÂÛÊý¾Ý¡£È»ºó£¬ÎÒÃÇʹÓÃPythonÈËÂíÊÞÍâÍø¿çÓòÅÀ³æµÄ·Ö²¼Ê½ÈÎÎñ·ÖÅä·½°¸£¬½«ÕâЩСÈÎÎñ·ÖÅäµ½¶à¸öÈÎÎñ½ÚµãÉϽøÐв¢ÐÐÖ´ÐС£ÈÎÎñµ÷¶ÈÆ÷¸ù¾Ýµ±Ç°µÄÍøÂç»·¾³ºÍÈÎÎñ¸ºÔØ£¬¶¯Ì¬µ÷ÕûÈÎÎñ·ÖÅ䣬ÒÔÈ·±£ÏµÍ³µÄ?¸ßЧÔËÐС£

PythonÈËÂíÊÞ°²×¿°æÏÂÔØ£º¿ªÆôÄãµÄ±à³ÌðÏÕÖ®ÂÃ

Python×÷Ϊµ±½ñ×îÊÜ»¶Ó­µÄ?±à³ÌÓïÑÔÖ®Ò»£¬Æä¼ò½à¡¢Ò×¶ÁµÄÓï·¨ºÍ¹ã·ºµÄÓ¦ÓÃÁìÓòʹÆäÔÚ¸÷¸öÐÐÒµÖж¼±¸ÊÜÇàíù¡£¶ÔÓÚÏëҪѧϰPython±à³ÌµÄÈËÀ´Ëµ£¬ÕÒµ½ºÏÊʵÄ?ѧϰ¹¤¾ßÖÁ¹ØÖØÒª¡£PythonÈËÂíÊÞ°²×¿°æÓ¦ÓÃÓ¦Ô˶øÉú£¬Ö¼ÔÚΪÓû§Ìṩһ¸öÈ«Ãæ¡¢Ò×ÓÚʹÓõıà?³Ìѧϰƽ̨¡£

У¶Ô£º¹ùÕýÁÁ(1C0m4pJyqZtPma0S7t9ZFfz4hTykKag)

ÔðÈα༭£º ÖÜéó¾ý
ΪÄãÍÆ¼ö
Óû§ÆÀÂÛ
µÇ¼ºó¿ÉÒÔ·¢ÑÔ
ÍøÓÑÆÀÂÛ½ö¹©Æä±í´ï¸öÈË¿´·¨£¬²¢²»±íÃ÷֤ȯʱ±¨Á¢³¡
ÔÝÎÞÆÀÂÛ