[原博文](https://blog.csdn.net/qqzhuimengren/article/details/78345891)一些說明

原博文一些說明：

1、程序爲py3()

2、題外話

17年那會剛學了python及協同過濾，邊先做了個最簡單的測試程序，沒考慮效率等問題，核心是：實現算法即可。後來做了一些優化、以及ubcf、ibcf、slope-one等相關算法的程序，但由於多種原因一直未能整理更新，近期也不會更吧。。。

3、當時的整個思路：

3.1 寫個.py文件：

將rating數據隨機分成了training和test；

因爲通常需要五折交叉試驗，所以沒運行一次都可以生成不同的（train，test）數據集

3.2 關於該class CF的進一步說明

裏面其實已經很多註解了，特別要注意每個函數傳入傳出的數據格式。

否則肯定是跑不起來的

• D:/d/201709train.txt及test的數據格式和rating的數據格式一樣

• formatRate函數將train、test轉化 userDict或者itemDict

• 即每個人看了哪些電影及評分

  {userid1：[（movieId1，rating）,movieId2，rating）,...]
   userid2：[（movieId1，rating）,movieId2，rating）,...]
   .
   .
  }
  

• itemDict的格式也是類似，只是key是movieId

• 之所以轉化成itemDict和MoveDict是因爲後續運算過程中在進行相關運算時直接進行讀取就可以

  (self.train_data, self.test_data) = (ratings[0], ratings[1])  # [UserID::MovieID::Rating::Timestamp]
  #傳個class的數據是嵌套列表
  [
      [UserID::MovieID::Rating::Timestamp]
      [UserID::MovieID::Rating::Timestamp]
      ...
  ]
  

• formatuserDict函數就是依次把目標用戶和other用戶的數據轉成向量，讀取的是userDict；數據格式是

  [	[目標用戶評分，other用戶評分]
      [0.2, 1],
      [0, 0.4],
      [0.2, 0]
      ...
  ]
  

3.3 start3函數的調用順序

1. 讀入原始數據（movies和ratings），傳給demo

2. 計算準確率、召回率：demo.getPrecision() 其內部調用

   • 調用getRecommand，處理train和test數據，返回推薦列表、共同評分用戶集
   • 計算precision和recall

3. 簡單方法計算預測評分：foreCast

計算Mae值：cal_Mae方法

4、最後

• 先補充這些吧，
• 很感謝那些聯繫我的夥伴們。另外，很抱歉，沒能給你們更多的幫助
• 一個是python，一個是算法本身，一個是數據。如果沒有比較瞭解，一些疑問我真的不知該怎麼回答。

作者：akufire

郵箱：[email protected]
本文由博客一文多發平臺 OpenWrite 發佈！