Question

我一直在努力解决这个问题。但我无法想到干净的数据结构来执行以下操作。

我有一个csv文件如下：

           user_id --->
item_id     ratings
|
|
|
V

例如：

  1,2,3,4,..
a,4, ,2, ,...   
b, ,2,3, ,..
c, ,1,2,3,
d

依旧...... 空白值表示用户未对给定项目进行评级。现在，对于给定的用户（比如1），我有这个词典：

weight_vector = {2:0.3422,3:0.222}

我想要做的计算如下：

对于用户1：缺少的值（项目b和c），我想为其分配评级如下：

 rating_for_item_for_user_1 = [rating_given_by_user_2* weight_2] + [rating_given_by_user_3*weight_3]/[weight2 + weight3]

如果用户2或3未对给定项目进行评级，则权重= 0。

我有一种感觉，有了numpy，这应该是相当简单的。但一直无法直接思考。

Answer 1

让我们假设你有一个rating矩阵和一个权重列表矢量'权重'，那么你可以简单地做（假设这些“空”字段是零 - 这是你有的一些边界情况想到，因为你可以遇到除以0的方式，当所有用户“邻居”也没有给某些项目评分时）：

empty=np.where(ratings==0)
for (x,y) in zip(empty[0],empty[1]):
    ratings[x,y] = sum( ratings[n][y] * weights[x][y] for n in weights[x] if ratings[n][y] != 0) / sum( weights[x][w] for w in weights[x] if ratings[w,x] != 0 )

为防止除以零错误，您可以在分配前检查它

empty=np.where(ratings==0)
for (x,y) in zip(empty[0],empty[1]):
    normalizer = sum( weights[x][w] for w in weights[x] if ratings[w,x] != 0 )
    if normalizer > 0:
        ratings[x,y] = sum( ratings[n,y] * weights[x][y] for n in weights[x] if ratings[n][y] != 0) / normalizer

Answer 2

另一种可能性是使用集合中的defaultdict。 http://docs.python.org/2/library/collections.html#collections.defaultdict

from collections import defaultdict
dict = defaultdict(float) 
dict[x]=0

如果您希望它作为矩阵，以便您可以按列方式和行方式访问，您可能希望将id加载到两个不同的数据结构或将其加载到一个，计算然后转置它。

计算python中矩阵的等级

2 个答案: