推荐算法-基于矩阵分解的CF算法实现（二）：BiasSvd

「已注销」

于 2019-08-31 20:30:10 发布

阅读量3.6k

点赞数 3

分类专栏： python驿站数据挖掘机器学习文章标签：基于矩阵分解的CF算法实现（二）：BiasSvd 推荐系统 BiasSvd python

本文链接：https://blog.youkuaiyun.com/Jack_yun_feng/article/details/100176828

版权

本文介绍了 BiasSvd 算法，它是Funk SVD矩阵分解的扩展，通过添加偏置项来提高预测用户对物品评分的准确性。算法主要应用于推荐系统中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于矩阵分解的CF算法实现（二）：BiasSvd

BiasSvd其实就是前面提到的Funk SVD矩阵分解基础上加上了偏置项。
BiasSvd
利用BiasSvd预测用户对物品的评分，k表示隐含特征数量：
在这里插入图片描述

算法实现


'''
BiasSvd Model
'''
import math
import random
import pandas as pd
import numpy as np

class BiasSvd(object):

    def __init__(self, alpha, reg_p, reg_q, reg_bu, reg_bi, number_LatentFactors=10, number_epochs=10, columns=["uid", "iid", "rating"]):
        self.alpha = alpha # 学习率
        self.reg_p = reg_p
        self.reg_q = reg_q
        self.reg_bu = reg_bu
        self.reg_bi = reg_bi
        self.number_LatentFactors = number_LatentFactors  # 隐式类别数量
        self.number_epochs = number_epochs
        self.columns = columns

    def fit(self, dataset):
        '''
        fit dataset
        :param dataset: uid, iid, rating
        :return:
        '''

        self.dataset = pd.DataFrame(dataset)

        self.users_ratings = dataset.groupby(self.columns[0]).agg([list]

最低0.47元/天解锁文章