CH02 提供推薦

目標輸出：我想得到乙個長串，裡面既有與這個人評分較高（即相似度較高）的人的名字，也有他的得分，應該用python裡的什麼結構？

q：乙個列表也好，乙個字典也好，不定義可以直接用嗎？

a：不可以。乙個字元在不定義的時候可以直接用（for item in ...）並沒有定義item，直接拿來用就好 item可以是數字，可以是名稱字元，方便直接

但是，在用列表和字典的時候，一定要先定義乙個比如 score=【】或者score={}

q：如果用乙個列表list ，我想新增元素怎麼加？

q：如果用乙個字典dict{}，我想新增元素，怎麼辦？

a：先寫乙個空的字典score={},然後直接寫鍵和鍵值就可以，新增key的時候記得用中括號，score【'liza rose'】=3.95 即可，它會自動給你乙個乙個新增（對麼）。但是，當輸出list的時候，一般情況下只能輸出value，如果想把key和value同時輸出，需要把它們變成乙個元組tuple，然後輸出（沒試，待檢驗）

1.我是乙個人，o是另外乙個人

這個人和我很像，我們都給電影a打高分，都給電影b打低分。

這個人還看過【我沒看過的】cdef電影，那麼，我根據這個人的口味給我推薦電影cdef

2.我是乙個電影，△是另外乙個電影

我們兩部電影很像，有許多人，給我打高分的同時都給△打高分。

那麼，看過△的（沒看過本電影）的人有xyz，我根據電影的相似度，給xyz推薦本電影。

給乙個人推薦1w個電影，和把乙個商品推薦給1w個人，哪個更有商業意義？顯然是第二個。也就是第二個方法。

#coding=utf-8
from math import sqrt
# 定義distance，輸入兩個人 算出他們「共有」的某幾項之間的距離
def sim_distance(prefs,person1,person2):
si={}
a=0for item in prefs[person1]:
if item in prefs[person2]:
si[item]=1
if len(si)==0:
print'no simulation'
for item in prefs[person1]:
if item in prefs[person2]:
a =a + pow(prefs[person1][item]-prefs[person2][item],2)
print 1/(1+sqrt(a))

# 定義pearson相關係數的求法 輸入兩個人 算出他們倆「共有」的某幾項的相關係數
# 輸入：資料集，第乙個人（list型，電影名，打分），第二個人
def sim_pearson(prefs,person1,person2):
si = {}
for item in prefs[person1]:
if item in prefs[person2]:
si[item] =1
l=len(si)
sum1 = sum([prefs[person1][item] for item in si]) # 求xi求和
sum2 = sum([prefs[person2][item] for item in si]) 
sum1sq = sum([pow(prefs[person1][item],2) for item in si]) # 求xi平方的和
sum2sq = sum([pow(prefs[person2][item],2) for item in si])
psum = sum([prefs[person1][item]*prefs[person2][item] for item in si]) #求xiyi乘積的和
a = psum - (sum1*sum2/l) #這三行是pearson相關係數的公式
b = sqrt((sum1sq-pow(sum1,2)/l)*(sum2sq-pow(sum2,2)/l))
r = a/b
return r

def topmatches(prefs,person):

scores = #我覺得這裡變成乙個字典會更好。待嘗試

for other in prefs:

if other!=person: #除了我要比較之外的所有人，都計算一下pearson

scores.sort() #不太理解，scores是按啥排的啊？我的scores是乙個二維的列表啊，按哪個維度排的

scores.reverse()

return scores[0:5]

#輸出：乙個評分list：rankings，裡面有電影名和電影的綜合評分（）

def getrecommendations(prefs,person):

totals={} #需要建立乙個

simsums={}

for other in prefs: #第一步，在資料集的人裡面找其他人

if other != person: #找到之後，找其他人裡有a沒看過的電影

for item in prefs[other]:

if item not in prefs[person] or prefs[person][item]==0: #這地方很重要！找a沒看過的電影，我最開始的想法是c語言一樣寫乙個迴圈查詢，殊不知python的好處就是可以直接查詢

totals.setdefault(item,0) #找到了這部電影，先加入total裡，鍵是電影名，鍵值先設定為0

totals[item]+= sim_pearson(prefs,person,other)*prefs[other][item] #相關係數乘以打分

simsums.setdefault(item,0)

simsums[item]+=sim_pearson(prefs,person,other)

rankings=

for item in totals:

rankings.sort()

rankings.reverse()

return rankings

#輸入：乙個資料集
#輸出：把裡面的人換為電影
def transformprefs(prefs):
result={}
for person in prefs:
for item in prefs[person]:
result.setdefault(item,{}) #此時定義了result字典裡的外層：key是項也就是電影，value是又乙個字典
result[item][person]=prefs[person][item]#在這裡定義第二個字典，即result[item]裡的鍵是person，value是prefs裡兩層字典的值【也就是打分】
return result
def calculatesimilaritems(prefs):
result={}
itemprefs = transformprefs(prefs)
for item in itemprefs:
scores=topmatches(itemprefs,item)
result[item]=scores
return result

CH02 提供推薦

程式設計珠璣ch02

CH02 資源 04 資源限制

雲課堂組合語言筆記ch02

CH02 提供推薦

程式設計珠璣ch02

CH02 資源 04 資源限制

雲課堂 組合語言筆記ch02

相關推薦

雲課堂組合語言筆記ch02