使用KNN预测电影评分-python3

0. 理论

在散点图上找出k个最近邻居，让他们投票确定分类，类别判定为离它最近的k个观察值中所占比例最大的分类。

1.用KNN预测电影评分

import pandas as pd
import numpy as np
# 读取电影评分数据
r_cols = ['user_id', 'movie_id', 'rating']
ratings = pd.read_csv('E:/python/python数据科学与机器学习/《Python数据科学与机器学习：从入门到实践》源代码/ml-100k/u.data', sep='\t', names=r_cols, usecols=range(3))
ratings.head()

	user_id	movie_id	rating
0	0	50	5
1	0	172	5
2	0	133	1
3	196	242	3
4	186	302	3

# 将movie_id分组汇总，求每个movie_id的评价数量和打分均值

movieProperties = ratings.groupby('movie_id')['rating'].agg(['size', 'mean']).reset_index()
movieProperties.head()

	movie_id	size	mean
0	1	452	3.878319
1	2	131	3.206107
2	3	90	3.033333
3	4	209	3.550239
4	5	86	3.302326

# 将评价数量标准化, 范围在[0, 1]
movieProperties['size'] = (movieProperties['size'