如何使用机器学习构建自己的推荐系统？

一、说明

在广阔的电子商务领域，众多产品和服务都在争夺我们的注意力，推荐系统的作用变得至关重要。这些智能系统彻底改变了我们在线发现和接触产品的方式，使其成为现代电子商务平台成功的基石。

推荐系统，通常称为推荐引擎或简称为“推荐”，是一种算法，旨在根据用户过去的行为、偏好和互动来预测和推荐用户可能感兴趣的项目。它们已成为在线购物体验不可或缺的一部分，影响着我们的购买决策并推动了企业的销售。

在本文中，我们将深入探讨推荐系统的迷人世界，并探讨如何使用 Python 构建一个推荐系统。我们将揭示这些系统的内部工作原理，从数据收集和预处理到算法选择和实现。

在此旅程结束时，您将拥有创建有效推荐系统的知识和工具，以满足您的电子商务平台的独特需求，最终推动增长和客户满意度。

二、加载数据集

我们将从 Kaggke 获取一个数据集来探索该主题，您可以在此处找到该数据集：Book Recommendation Dataset | Kaggle

首先要做的是使用 Pandas 加载数据

import pandas as pd
ratings = pd.read_csv(r'Data/ratings.csv')

三、筛选数据

我们的数据集太大了，我们将过滤掉评分很少的书籍，至少有 6 个评分，我们将为用户做同样的事情。
我们还将删除 0 的评分，假设人们没有投票。
然后我们将所有内容存储在一个新的

#Books
min_book_ratings = 5
filter_books = ratings['ISBN'].value_counts() > min_book_ratings
filter_books = filter_books[filter_books].index.tolist()#Users
min_user_ratings = 5
filter_users = ratings['User-ID'].value_counts() > min_user_ratings
filter_users = filter_users[filter_users].index.tolist()ratings_filtered = ratings[(ratings['ISBN'].isin(filter_books)) & (ratings['User-ID'].isin(filter_users))]ratings_filtered = ratings[ratings['Book-Rating'] > 0]

四、构建模型

我们将使用“Surprise”，一个 Python scikit，用于构建和分析处理显式评级数据的推荐系统。

我们需要定义 Reader 并根据 “Surprise” 注解来格式化数据集：

Surprise 中的 Reader 类用于分析包含评级的文件或 DataFrame。读取器的主要用途是定义数据集中评级的比例。这很重要，因为它有助于算法了解如何以数字方式解释评级。
数据是指您用于推荐系统的数据集，通常以用户与项目交互的形式（例如用户对书籍、电影等的评分）

from surprise import Reader, Datasetreader = Reader(rating_scale=(0, 10))  
data = Dataset.load_from_df(ratings_filtered[['User-ID', 'ISBN', 'Book-Rating']], reader)

经典：将数据拆分为训练集和测试集，避免过度拟合

from surprise.model_selection import train_test_split
trainset, testset = train_test_split(data, test_size=0.25)

对于模型选择，您可以从 Surprise 中包含的不同模型中进行选择，我将使用 SVD（奇异值分解）并使用网格搜索 CV 来查找最佳参数。

有关 SVD 👉🏼 Welcome to Surprise’ documentation! — Surprise 1 documentation 的更多信息。

超参数怎么样

n_factors ：表示从用户-项矩阵派生的潜在因子（或特征）的数量。虽然数据集主要由用户 ID、ISBN 和图书评级组成，但它本质上隐藏着关于不同用户如何评估不同书籍的属性或趋势。这些隐藏的属性被称为潜在因素。
n_epochs ：这表示整个训练数据集的迭代次数。在每个纪元期间，算法都会更新参数（用户和项目特征）以最大程度地减少预测误差。
lr_all（学习率）：学习率决定了训练过程中基于预测误差的模型调整程度。更高的学习率意味着更快的学习速度，模型在每次迭代中都会显着更新其参数。但是，这可能会导致诸如超过最佳解决方案或围绕它振荡等问题！
reg_all （正则化术语）： 正则化通过对较大的模型参数施加惩罚来防止过度拟合，起着至关重要的作用。

我们将输入各种参数，并根据最低RMSE（均方根误差）结果显示最佳参数。请注意，RMSE 表示预测值与实际值之间的平均平方差。

from surprise import SVD
from surprise.model_selection import GridSearchCVparam_grid = {'n_factors': [1,3,5,10,15],'n_epochs': [20,30,40],'lr_all': [0.005, 0.01],'reg_all': [0.02, 0.1]
}gs = GridSearchCV(SVD, param_grid, measures=['rmse'], cv=3)
gs.fit(data)print("Best RMSE: ", gs.best_score['rmse'])
print("Best parameters: ", gs.best_params['rmse'])

过了一会儿。图片来源： https://www.pinterest.com/pin/a-few-moments-later--677088125250940487/

我们得到的结果：

最高 RMSE：1.63;虽然该值可能看起来相对较高，但考虑到我们使用的规模，它仍然在可接受的范围内。
最佳参数： {'n_factors'： 1， 'n_epochs'： 30， 'lr_all'： 0.005， 'reg_all'： 0.1}

现在👇🏼让我们训练我们的模型

model = SVD(n_factors=1, n_epochs=30, lr_all=0.005, reg_all=0.1)
model.fit(trainset)

五、构建函数以获得推荐

我们将开发一个函数来提取不同 ISBN 的列表，识别用户过去评分的项目，并为用户尚未评分的所有 ISBN 生成预测。

最终，我们将相应地安排这些预测。请记住，变量“n”表示我们在此上下文中要考虑的项目数量。

def get_recommendations(user_id, model, data, n=3):unique_isbns = data.df['ISBN'].unique()rated_isbns = data.df.loc[data.df['User-ID'] == user_id, 'ISBN']predictions = [model.predict(user_id, isbn) for isbn in unique_isbns if isbn not in rated_isbns]top_predictions = sorted(predictions, key=lambda x: x.est, reverse=True)[:n]return top_predictions

让我们以用户 ID “276725” 为例

user_id_example = 276725  
top_predictions = get_recommendations(user_id_example, model, data, n=3)
for pred in top_predictions:print(f'ISBN: {pred.iid}, Predicted Rating: {pred.est}')

但是，我们也想显示书名！为此，我们需要引用 Kaggle 数据集中名为“Books”的补充表，其中包含每个 ISBN 的相应书名。

首先，让我们阅读数据，将注意力缩小到两列：['ISBN'， 'Book-Title']。

books = pd.read_csv(r'Data/Books.csv', usecols=['ISBN', 'Book-Title'])

现在让我们构建函数：

提取每个预测对象的 ISBN 和预测评级。
使用提取的数据创建 DataFrame。
将 DataFrame 与书籍数据集合并以添加标题。
从 DataFrame 中检索书名和预测评级。

def map_isbn_to_titles(top_predictions, books):isbn_ratings = [(pred.iid, pred.est) for pred in top_predictions]top_preds_df = pd.DataFrame(isbn_ratings, columns=['ISBN', 'Predicted_Rating'])recommendations = top_preds_df.merge(books[['ISBN', 'Book-Title']], on='ISBN', how='inner')return recommendations[['Book-Title', 'Predicted_Rating']]

让我们用我们之前使用上述函数的预测示例来说明这一点，这是我们的结果！

top_recommendations_with_titles = map_isbn_to_titles(top_predictions, books)for _, row in top_recommendations_with_titles.iterrows():print(f"Title: {row['Book-Title']}, Predicted Rating: {row['Predicted_Rating']:.2f}")