Mangaki 的推荐算法
项目描述
零
Mangaki的推荐算法。
它们在 Python 3.6、3.7、3.8 上通过 OpenBLAS LP64 和 MKL 进行了测试。
安装
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
用法
要运行交叉验证：
- 下载像Movielens 100k这样的数据集。
- 确保列名为
user,item,rating：
| 用户 | 物品 | 评分 |
|---|---|---|
| 3 | 5 | 4.5 |
例如，在这里，用户 3 给项目 5 打了 4.5 颗星。
-
然后运行：
python compare.py <路径/到/数据集>
您可以调整experiments/default.json文件以比较其他模型。
自定义用法
大多数模型具有以下例程：
from zero.als import MangakiALS
model = MangakiALS(nb_components=10)
model.fit(X, y)
model.predict(X)
在哪里：
- X是一个大小为
nb_samplesx 2 的 numpy 数组（第一列：用户 ID，第二列：项目 ID） - y是评级列。
还有其他几种方法可用于在线健身，例如model.predict_single_user(work_ids, user_parameters)。
参见zero.py作为开始的哑基线（仅预测零）示例。
结果
漫画资料
电影镜头数据
随意使用。在麻省理工学院许可下。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
mangaki-zero-1.1.0.tar.gz
（22.8 kB
查看哈希）
内置分布
mangaki_zero-1.1.0-py3-none-any.whl
（35.4 kB
查看哈希）
关
mangaki_zero -1.1.0-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 6f0eae2875b16f465cfbedf2dffc482de7ac6746992ac83be44f7c3edffd90b6 |
|
| MD5 | 9fe8ca4db316a7862699a9fc9238605b |
|
| 布莱克2-256 | 50399ab051804b4fb3e0e7b755315400414ab325f5094ad6ad951b751853c0c5 |