recommenderlab包实现电影评分预测.doc

recommenderlab?是R语言非常强大的包，能帮助使用者针对评分数据或者0-1(不喜欢/喜欢)二分数据开发和测试推荐算法，本文就是利用该包对于?movielens?的电影评分数据进行预测和推荐，会对比基于用户的协同过滤和基于项的协同过滤在推荐效果上的差别。 1 获取电影数据 电影数据来源于/datasets/movielens/网站，本文分析的数据是MovieLens 100k，总共有100,000个评分，来自1000位用户对1700部电影的评价。 2 数据准备和清理 设置好工程路径后，可用读入数据，注意数据的格式，第一列是 user id，第二列是 item id，第三列是 rating，第四列是时间戳，时间戳这里用不到，可去掉。 ml100k - read.table(u.data, header = F, stringsAsFactors = T) head(ml100k) ?? V1? V2 V3??????? V4 1 196 242? 3 881250949 2 186 302? 3 891717742 3? 22 377? 1 878887116 ml100k - ml100k[, -4] 可以简单看下 rating 的分布情况 prop.table(table(ml100k[, 3])) ???????? 1????????? 2????????? 3????????? 4????????? 5 00000 summary(ml100k[, 3]) ?? Min. 1st Qu.? Median??? Mean 3rd Qu.??? Max.??? NAs ? 1.000?? 3.000?? 3.000?? 3.206?? 4.000?? 5.000???? 812 可以看出，3 星和 4 星的数量最多，接近总数的75%，1 星和 5 星的数量最少，和预期的一致。数据格式和我们想要的行为用户，列为项目的 ratingMatrix 还有很大的差距，对此可以使用?reshape?包的?cast()?进行转换，注意转换后的缺失值默认为NA。 library(reshape) ml100k - cast(ml100k, V1 ~ V2, value = V3) ml.useritem[1:3, 1:6] ?? 1? 2? 3? 4? 5? 6 1? 5? 3? 4? 3? 3? 5 2? 4 NA NA NA NA NA 3 NA NA NA NA NA NA 到此，把数据整理成 ratingMatrix，接下来利用 recommenderlab 处理数据。 3 recommenderlab 处理数据 在用 recommenderlab 处理数据之前，需将数据转换为?realRatingMatrix?类型，这是 recommenderlab 包中专门针对 1-5 star 的一个新类，需要从?matrix?转换得到。上文获得的?ml.useritem?有两个类属性，其中?cast_df?是不能直接转换为?matrix?的，因此需要去掉这个类属性，只保留?data.frame class(ml.useritem) [1] cast_df??? data.frame class(ml.useritem) - data.frame??? ##只保留data.frame的类属性 ml.useritem - as.matrix(ml.useritem) ml.ratingMatrix - as(ml.useritem, realRatingMatrix)? ##转换为realRatingMatrix ml.ratingMatrix 943 x 1682 rating matrix of class ‘realRatingMatrix’ with 100000 ratings. ml.ratingMatrix?是可以用 recommenderlab 进行处理的?realRatingMatrix，943是 user 数，1682 指的是 item 数,?realRatingMatrix?可以很方便地转换为?matrix?和?list as(ml.ratingMatrix , matrix)[1:3, 1:10] ?? 1? 2? 3? 4? 5? 6? 7? 8? 9 10 1? 5? 3? 4? 3? 3? 5? 4? 1? 5? 3 2? 4 NA NA NA NA NA NA NA NA?