机器学习4-x——音乐推荐系统代码实现
来源:互联网 发布:淘宝怎么可以买到片 编辑:程序博客网 时间:2024/06/15 03:27
整理自coursera
代码和数据可以在这里下载。
import graphlabsong_data = graphlab.SFrame('song_data.gl/')graphlab.canvas.set_target('ipynb')#查看有多少用户users = song_data['user_id'].unique()#数据分为训练集和测试集train_data,test_data = song_data.random_split(0.8,seed=0)#建立一个基于受欢迎程度的模型(无法克服流行歌曲推荐力过强)popularity_model = graphlab.popularity_recommender.create(train_data,user_id='user_id',item_id='song')#给特定用户推荐歌曲popularity_model.recommend(users=[users[0]])popularity_model.recommend(users=[users[1]])
结果如下:
可以看到无论给谁推荐,推荐的歌曲都一样,所以这个模型无法克服流行歌曲(商品)推荐力过强的问题。
#建立一个个性化的推荐模型personalized_model = graphlab.item_similarity_recommender.create(train_data,user_id='user_id',item_id='song')personalized_model.recommend(users=[users[0]])personalized_model.recommend(users=[users[1]])#这是可以发现给不同的用户推荐了不同的歌曲,有了很大改进#得到相似的歌曲personalized_model.get_similar_items(['Chan Chan (Live) - Buena Vista Social Club'])#比较两个模型%matplotlib inlinemodel_performance = graphlab.recommender.util.compare_models(test_data,[popularity_model,personalized_model],user_sample=0.05)
1 0
- 机器学习4-x——音乐推荐系统代码实现
- 机器学习4——推荐系统
- 机器学习复习——推荐系统
- 机器学习—推荐系统的设计
- 机器学习—— 基于深度学习的推荐系统的实现
- 机器学习,推荐系统
- 机器学习 推荐系统
- 机器学习-推荐系统
- 机器学习-推荐系统
- [翻译]机器学习如何个性化推荐音乐
- 机器学习(十七)——决策树, 推荐系统进阶
- 机器学习——推荐系统 知识点总结
- 推荐一个机器学习框架——python实现
- 机器学习 — 提供推荐
- 机器学习 — 提供推荐
- 机器学习之推荐系统
- 机器学习12推荐系统
- 机器学习->推荐系统->LFM
- Struts总结
- 关于设置背景块透明,上面的文字不透明
- SecureCRT中文乱码解决方法
- 2016年大三上-网络安全-密码学-DES算法
- Android:属性动画 Animator类的记录
- 机器学习4-x——音乐推荐系统代码实现
- vim常用功能
- 第九周项目4 广义表算法库
- 第九周项目2-对称矩阵的压缩存储的实现与运用(3)
- Jqgrid Mobile
- ORACLE SYS和SYSTEM用户区别
- LAMP 一键搭建脚本
- 使用OPENCV自带的sift提取特征
- C++通过TinyXML类库读写XML文件