引入
surprise是Simple Python Recommendation System Engine的縮寫，是一個爲了實現推薦系統的框架。它自帶了SVD，user-based，item-based協同過濾算法等多種推薦算法，接口簡單，功能強大。但官方文檔寫的並不好，筆者花了不少時間，都沒有找到如何預測某個user對某個item進行打分這樣的基礎用法，所以把摸索後得到的經驗分享於此。
數據集
爲了驗證算法結果的正確性，自己定義了一個數據集，如下所示（保存爲mydata.csv）
1,1,1
1,2,2
1,3,3
1,4,4
1,5,5
2,1,1
2,2,2
2,3,3
2,4,4
2,5,5
3,1,1
3,2,2
3,3,3
3,4,4
3,5,5
4,1,1
4,2,2
4,3,3
4,4,4
4,5,5
5,2,2
5,3,3
這個數據集中，每一行說明了user對item的評分，比如“2,1,1”，是指user-2對item-1的評分是1。
可見，這個數據集中一共有5位user，5個item。每一位user對第i個item的打分都是i。這樣的簡化是爲了驗證算法的準確性。user-5只對item-2、item-3進行了評分，根據數據集中體現出來的規律，user-5沒打分的item，應該滿足如下規律：
- user-5對item-1打分是1分
- user-5對item-4打分是4分
- user-5對item-5打分是5分
如果我們的算法得到的打分和上面的一樣，就說明算法的結果是100%正確的。如果算法得到的結果有所不同，但user-5對item-i的打分是依次升高的，也說明算法的結果是正確的。
某個user對某個item的評分
接下來我們講解如何實現user-5對item-i打分的預測值。每段代碼的講解寫在代碼段後面。
from surprise import SVD
from surprise import Dataset, Reader
import os
首先，導入surprise中必須的class：SVD是SVD算法，Dataset是創建滿足surprise需要的數據集所需的類，Reader是做數據讀取，類似pandas
# 指定文件所在路徑
file_path = os.path.expanduser('mydata.csv')
# 告訴文本閱讀器，文本的格式是怎麼樣的
reader = Reader(line_format='user item rating', sep=',')
# 加載數據
data = Dataset.load_from_file(file_path, reader=reader)
trainset = data.build_full_trainset()
上面這一段代碼讀取之前構建的本地數據集’mydata.csv’，並用Reader讀取數據，將數據加載爲Dataset結構。
這裏要注意的是，Dataset結構並不是surprise結構直接進行計算的最終結構，還需要通過data.build_full_trainset()將其轉換爲Trainset這樣的數據結構，才能在後續過程中直接用於訓練。
algo = SVD()
algo.fit(trainset)
這裏用SVD對數據進行訓練，也就是SVD推薦算法，將原始得分矩陣分解後，對未知得分進行重新計算的過程。
# we can now query for specific predicions
uid = str(5) # raw user id
iid = str(1) # raw item id
# get a prediction for specific users and items.
pred = algo.predict(uid, iid)
print('rating of user-{0} to item-{1} is '.format(uid, iid), pred.est)# rating of user-5 to item-1
接下來，我們就能計算user-5對item-1的打分（預測值）了。這裏要注意，user-id和item-id，都要將id轉換爲string類型。然後調用algo.predict(uid, iid)就能得到預測值了，原始的pred變量內容如下所示
user: 5 item: 1 r_ui = None est = 2.38 {'was_impossible': False}
這其中，est就是預測值，我們這裏預測得到：
- user-5對item-1打分是：2.3690
- user-5對item-2打分是：2.3836
- user-5對item-3打分是：3.0076
- user-5對item-4打分是：3.44
- user-5對item-5打分是：3.54
可見，user-5對item-i的打分是依次升高的，和預想的情況相同，說明算法的結果是正確的。
獲取評分最高的TOP-N
可以迭代用algo.predict(uid, iid)對每個得分進行計算，然後遍歷所有得分得到TOP-N。但這樣做稍顯笨拙，其實surprise作爲一個優秀的推薦系統框架，已經給出了更好的接口，下文進行詳述。每段代碼的講解寫在代碼段後面。
from collections import defaultdict
from surprise import SVD
from surprise import Dataset,Reader
import os
# 指定文件所在路徑
file_path = os.path.expanduser('mydata.csv')
# 告訴文本閱讀器，文本的格式是怎麼樣的
reader = Reader(line_format='user item rating', sep=',')
# 加載數據
data = Dataset.load_from_file(file_path, reader=reader)
trainset = data.build_full_trainset()
algo = SVD()
algo.fit(trainset)
首先是讀入數據，轉換爲Trainset結構，並用SVD算法進行訓練。這個過程和上一節的內容相同。
def get_top_n(predictions, n=10):
# First map the predictions to each user.
top_n = defaultdict(list)
# uid： 用戶ID
# iid： item ID
# true_r： 真實得分
# est：估計得分
for uid, iid, true_r, est, _ in predictions:
top_n[uid].append((iid, est))
# Then sort the predictions for each user and retrieve the k highest ones.
# 爲每一個用戶都尋找K個得分最高的item
for uid, user_ratings in top_n.items():
user_ratings.sort(key=lambda x: x[1], reverse=True)
top_n[uid] = user_ratings[:n]
return top_n
接下來定義get_top_n()函數，它能根據predictions結果進行解析，獲取top_n字典，該字典的key是user-id，value是該user打分（預測值）最高的n個item-id。
predictions的數據結構，是surprise中的算法自帶接口algo.test()的輸出值。
testset = [
('5','1',0),# 想獲取第5個用戶對第1個item的得分
('5','4',0),# 0這個位置是真實得分，不知道時可以寫0
('5','5',0),# 但寫0後，就沒法進行算法評估了，因爲不知道真實值
]
predictions = algo.test(testset)
這裏是將需要計算的user-id，item-id，true-rating-value構建成測試集。注意真實得分true-rating-value我們可能無法得到，那用0來代替也是可以的。但寫0後，就沒法進行算法評估了，因爲不知道真實值，算法評估得到的值也是不準的。
algo.test()的輸出值predictions中的數據如下所示：
[Prediction(uid='5', iid='1', r_ui=0, est=2.2154870570408325, details={'was_impossible': False}),
Prediction(uid='5', iid='4', r_ui=0, est=3.037552499639195, details={'was_impossible': False}),
Prediction(uid='5', iid='5', r_ui=0, est=3.434713829035328, details={'was_impossible': False})]
uid就是user-id，iid就是item-id，其中est是預測得分值。
top_n = get_top_n(predictions, n=2)
# Print the recommended items for each user
for uid, user_ratings in top_n.items():
print(uid, [iid for (iid, _) in user_ratings])
使用get_top_n()函數，獲取測試集中所有用戶得分最高的n（等於2）個item-id，並將print出來，得到結果如下
5 ['5', '4']
可見，對user-5來說，得分最高的是item-5和item-4。這與數據集要體現出來的結果是一樣的。