Ұсыныс жүйелері

Практикалық жұмыс №6

Ұсыныс жүйелері

Пайдаланушыларға олардың бұрынғы мінез-құлқы мен қызығушылықтарына негізделген жекелендірілген ұсыныстарды ұсыну үшін ұсыныс жүйесін құрыңыз.

Data mining әдістері мен бағдарламалық кодты қолдана отырып, ұсыныс жүйесін құру үшін scikit-learn кітапханасын қолдана отырып, Python мысалын қарастырайық. Біз матрицалық факторизацияға негізделген бірлескен сүзу әдісін қолданамыз.

Ең алдымен, егер олар әлі орнатылмаған болса, PIP көмегімен қажетті кітапханаларды орнатыңыз:

pip install numpy scikit-learn pandas

Енді кодты жазуды бастайық:

import numpy as np

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.metrics import mean_squared_error

from scipy.sparse.linalg import svds

# Загрузим данные (предположим, что данные уже содержат информацию о рейтингах)

# Пример: userId, movieId, rating

ratings_data = pd.read_csv('ratings.csv')

# Разделим данные на обучающий и тестовый наборы

train_data, test_data = train_test_split(ratings_data, test_size=0.2)

# Создадим матрицу рейтингов пользователей и предметов

num_users = ratings_data['userId'].nunique()

num_items = ratings_data['movieId'].nunique()

ratings_matrix = np.zeros((num_users, num_items))

for row in train_data.itertuples():

    ratings_matrix[row[1]-1, row[2]-1] = row[3]

# Применим метод матричной факторизации (SVD) для прогнозирования рейтингов

U, sigma, Vt = svds(ratings_matrix, k=50)

sigma = np.diag(sigma)

predicted_ratings = np.dot(np.dot(U, sigma), Vt)

# Оценим качество модели

test_ratings = np.zeros((num_users, num_items))