一.实现步骤

  1. 创立数据集
  2. 计算用户类似度
  3. 获取类似用户
  4. 获取类似用户相干物品
  5. 过滤物品

二.代码实现

1.筹备数据

import pandas as pdusers = ['User1', 'User2', 'User3', 'User14', 'User5', ]items = ['ItemA', 'ItemB', 'ItemC', 'ItemD', 'ItemE']datasets = [    [1, 0, 1, 1, 0],    [1, 0, 0, 1, 1],    [1, 0, 1, 0, 0],    [0, 1, 0, 1, 1],    [1, 1, 1, 0, 1],]df = pd.DataFrame(datasets, columns=items, index=users)

2.计算用户类似度

应用sklearn 的 pairwise_distances 计算用户类似度

# sklearn 不能间接计算类似度,只能计算间隔,应用1- 间隔 就失去类似度user_similar = 1 - pairwise_distances(df.values, metric='jaccard')user_similar = pd.DataFrame(user_similar, columns=users, index=users)

3.获取类似的用户

topN_users = {}for i in user_similar.index:    # 获取每个用户对应行,去除本人对本人的类似度    _df = user_similar.loc[i].drop([i])    # 对获取行进行排序    _df_sorted = _df.sort_values(ascending=False)    # 获取类似度最高类似度的两个用户    top2 = list(_df_sorted.index[:2])    # 将获取到的类似用户放入汇合    topN_users[i] = top2

4. 获取类似用户相干物品并过滤物品

rs_results = {}# 对类似用户汇合循环for user, sim_users in topN_users.items():    res_result = set()    # 获取每个用户的汇合    for sim_user in sim_users:        # 获取每个类似用户对应的物品的index        res_result = res_result.union(set(df.loc[sim_user].replace(0, np.nan).dropna().index))    # 过滤掉举荐用户曾经看过的物品    res_result -= set(df.loc[user].replace(0, np.nan).dropna().index)    rs_results[user] = res_result

后果

{'User1': {'ItemE'}, 'User2':  {'ItemC', 'ItemB'}, 'User3':  {'ItemE', 'ItemB', 'ItemD'}, 'User14': {'ItemA', 'ItemC'}, 'User5': {'ItemD'}}

残缺代码

import pandas as pdfrom sklearn.metrics import jaccard_scorefrom sklearn.metrics.pairwise import pairwise_distancesimport numpy as npusers = ['User1', 'User2', 'User3', 'User14', 'User5', ]items = ['ItemA', 'ItemB', 'ItemC', 'ItemD', 'ItemE']datasets = [    [1, 0, 1, 1, 0],    [1, 0, 0, 1, 1],    [1, 0, 1, 0, 0],    [0, 1, 0, 1, 1],    [1, 1, 1, 0, 1],]df = pd.DataFrame(datasets, columns=items, index=users)# score = jaccard_score(df['ItemA'], df['ItemB'])# print(score)print(df)user_similar = 1 - pairwise_distances(df.values, metric='jaccard')user_similar = pd.DataFrame(user_similar, columns=users, index=users)topN_users = {}for i in user_similar.index:    _df = user_similar.loc[i].drop([i])    _df_sorted = _df.sort_values(ascending=False)    top2 = list(_df_sorted.index[:2])    topN_users[i] = top2# print(topN_users)rs_results = {}for user, sim_users in topN_users.items():    res_result = set()    for sim_user in sim_users:        res_result = res_result.union(set(df.loc[sim_user].replace(0, np.nan).dropna().index))    res_result -= set(df.loc[user].replace(0, np.nan).dropna().index)    rs_results[user] = res_resultprint(rs_results)