基于Python和Surprise庫，新手也能動手搭建推薦系統
作者：學研君
通過加載和探索數據集開啟數據分析過程。首先導入Pandas和Numpy，這是進行數據處理的基礎庫。通過檢查數據集的前幾行、形狀、大小和統計摘要進行探索。.head()?方法可以讓我們一窺數據集的全貌，而.shape方法則展示了數據集的大小。
1、簡介
在數據時代，推薦系統是提升用戶體驗的重要工具。今天介紹如何使用亞馬遜的電影評分數據集創建電影推薦系統。
2、數據加載與探索
首先，通過加載和探索數據集開啟數據分析過程。首先導入Pandas和Numpy，這是進行數據處理的基礎庫。通過檢查數據集的前幾行、形狀、大小和統計摘要進行探索。.head()方法可以讓我們一窺數據集的全貌，而.shape方法則展示了數據集的大小。
import pandas as pd
import numpy as np
amazon = pd. read_csv (" path_to / Amazon . csv")
print ( amazon . head ()
print (" Dataset ? shape :", amazon . shape )3、數據清洗和預處理
為了確保分析的完整性，必須替換缺失值并完善DataFrame。fillna方法可用于處理缺失值，這對于保持數據完整性至關重要。刪除不相關的列（如'user_id'）可以使分析集中在電影評分上。
Amazon_filtered = amazon . fillna ( value =0)
Amazon_filtered1 = Amazon_filtered . drop ( columns =’user_id ’)4、深入分析瀏覽量和評分
通過分析瀏覽量，分析電影的受歡迎程度，這涉及對評分進行求和并找到最大值。按電影對評分進行求和可以得到一個受歡迎度指標。argmax()函數可以識別出觀看次數最多的電影。
Amazon_max_views = Amazon_filtered1 .sum ()
max_views_index = Amazon_max_views . argmax ()
print (" Most_viewed _movie _index :", max_views_index )5、計算平均評分
通過計算電影的平均評分，可以了解觀眾的總體滿意度。
average_ratings = Amazon_max_views . mean ()
print (" Average_rating :", average_ratings )6、建立推薦模型：SVD算法
- 格式化數據供Surprise使用：通過準備數據以供Surprise庫使用來為推薦做好準備。
from surprise import Reader , Dataset
reader = Reader ( rating_scale =(-1, 10))
data = Dataset . load_from_df ( melt_df . fillna (0) , reader )- 模型訓練與評估：該系統的開發目的是根據用戶的偏好來推薦電影，推薦系統的首選工具Surprise庫。
from surprise import SVD
from surprise.model_selection import train_test_split ,
cross_validate
trainset , testset = train_test_split (data , test_size =0.25)
algo = SVD ()
algo . fit( trainset )
predictions = algo . test ( testset )
cross_validate (algo , data , measures =[ ’RMSE ’, ’MAE ’], cv =3,
verbose = True )- 進行預測：現在，使用SVD算法進行預測，該算法是進行矩陣因式分解的強大工具，用于預測用戶對電影的評分。
user_id = ’ A1CV1WROP5KTTW ’
movie = ’Movie6 ’
rating = 5
algo . predict ( user_id , movie , r_ui = rating )結果如下所示：
圖片
7、結論（模型應用）
這個腳本不僅揭示了亞馬遜電影評分數據的復雜性，還提供了一個多功能的分析工具包。這里的方法也可以適用于各種數據場景。例如，在教育領域，類似的推薦系統可以推薦個性化的學習材料、課程甚至課外活動，從而提高學生的參與度和學習效果。
8、教育示例
利用Surprise庫，根據學生的偏好推薦教育資源。
- 數據集：
import pandas as pd
# 假設'education_data.csv'包含列'student_id'、'resource_id'和'rating'
education_data = pd. read_csv (" path_to / education_data . csv")
print ( education_data . head ()- 分析資源受歡迎程度：
找出最受歡迎或評分最高的教育資源。
resource_popularity = education_filtered . groupby
’resource_id ’). sum ()
most_popular_resource =
resource_popularity [’rating ’]. idxmax ()
print (" Most_popular_resource :
{ most_popular_resource }")- 建立教育推薦模型：
利用Surprise庫，根據用戶偏好推薦教育資源。
resource_popularity =
education_filtered . groupby (’ resource_id ’). sum ()
most_popular_resource =
resource_popularity [’rating ’]. idxmax ()
print (" Most _popular _resource :{ most_popular_resource }")- 推薦教育資源：
針對特定學生和教育資源預測評分，展示該模型在教育環境中的適用性。
Student_id = ’student123 ’
resource = ’course456 ’
predicted_rating = algo . predict ( Student_id , resource ). est
print (" Predicted_rating_for_resource
{ resource }_by_user_{ user_id }:{ predicted_rating }")可以在Github上查看源代碼和數據集。
【Github】：https://github.com/chukolate007/amazon-user-based-recommendation-system
責任編輯：武曉燕
來源：
Python學研大本營
