ML之RS之MF:基于简单的张量分解MF算法进行打分和推荐
算法 基于 简单 进行 推荐 ML 分解 rs
2023-09-14 09:04:46 时间
ML之RS之MF:基于简单的张量分解MF算法进行打分和推荐
目录
输出结果
先看结果
实现代码
#ML之RS之MF:基于简单的张量分解MF算法进行打分和推荐
import numpy
def matrix_factorization(R, P, Q, K, steps=5000, alpha=0.0002, beta=0.02): #(迭代次数5000、步长,正则化系数)
Q = Q.T
for step in range(steps):
for i in range(len(R)):
for j in range(len(R[i])):
if R[i][j] > 0:
eij = R[i][j] - numpy.dot(P[i,:],Q[:,j])
for k in range(K):
P[i][k] = P[i][k] + alpha * (2 * eij * Q[k][j] - beta * P[i][k])
Q[k][j] = Q[k][j] + alpha * (2 * eij * P[i][k] - beta * Q[k][j])
eR = numpy.dot(P,Q)
e = 0
for i in range(len(R)):
for j in range(len(R[i])):
if R[i][j] > 0:
e = e + pow(R[i][j] - numpy.dot(P[i,:],Q[:,j]), 2)
for k in range(K):
e = e + (beta/2) * (pow(P[i][k],2) + pow(Q[k][j],2))
if e < 0.001:
break
return P, Q.T
#读取user数据并用张量分解进行打分
#定义得分矩阵
R = [
[5,3,0,1],
[4,0,3,1],
[1,1,0,5],
[1,0,0,4],
[0,1,5,4],
]
R = numpy.array(R)
N = len(R)
M = len(R[0])
K = 2 #两个因子
P = numpy.random.rand(N,K)
Q = numpy.random.rand(M,K)
nP, nQ = matrix_factorization(R, P, Q, K)
nR = numpy.dot(nP, nQ.T)
print(nP)
print("-----------------------------")
print(nQ)
print("-----------------------------")
print(nR)
print("-----------------------------")
print(R)
相关文章
- Java实现 蓝桥杯 算法提高 字符串压缩
- Java实现 蓝桥杯VIP 算法提高 夺宝奇兵
- Java实现 蓝桥杯VIP 算法提高 聪明的美食家
- 简单易学的机器学习算法—基于密度的聚类算法DBSCAN
- 数学建模学习笔记(七)TF-IDF算法提取关键词
- 基于离线SDK开发第一个简单示例算法
- Atitit 编程语言常用算法attilax总结
- 基于蚁群算法的车辆路径规划问题的研究(Matlab代码实现)
- 基于粒子群算法(PSO)的路径规划问题研究 (Matlab代码实现)
- 基于蚁群优化算法的直流电机模糊PID控制(Matlab实现)
- 【智能算法】基于HOG与图像金字塔算法的人脸姿态检测
- 基于K-means聚类算法进行客户人群分析
- 基于polar码和SCMA的多用户检测的联合检测译码matlab仿真,polar采用SCAN软译码,SCMA用MPA算法
- 基于DNN深度学习网络的OFDM信号检测算法的matlab仿真,对比LS和MMSE两个算法
- m基于GA遗传优化算法的水库调度优化matlab仿真
- 智能优化算法应用:基于麻雀搜索算法PID参数优化 - 附代码
- 路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码
- 全局优化的改进鸡群算法-附代码
- 基于改进人工蜂群算法的K均值聚类算法(附MATLAB版源代码)
- python基础===八大排序算法的 Python 实现
- 基于sklearn随机森林算法对鸢尾花数据进行分类
- 试题 算法训练 整数拆分
- 车间调度|基于帝王蝶优化算法的车间调度(Matlab代码实现)
- Matlab|基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率
- 基于FPGA实现红外相机图像均衡化算法