資料集使用MovieLens資料集

import pandas as pd
import numpy as np

header = ['user_id', 'item_id', 'rating', 'timestamp']
dataset = pd.read_csv('../data/u.data',sep='\t',names=header)

#計算唯一使用者和電影的數量
# unique對以為陣列去重  shape[0] shape為矩陣的長度
users = dataset.user_id.unique().shape[0]
items = dataset.item_id.unique().shape[0]
from sklearn.model_selection import train_test_split
train_data,test_data = train_test_split(dataset,test_size=0.25)

'''
建立user-item矩陣
itertuples         pandas dataframe 建立索引的方式
結果為：   Pandas(Index=77054, user_id=650, item_id=528, rating=3, timestamp=891370998)
'''
train_data_matrix = np.zeros((users,items))
for line in train_data.itertuples():
    train_data_matrix[line[1] - 1, line[2] - 1] = line[3]

test_data_matrix = np.zeros((users,items))
for line in test_data.itertuples():
    test_data_matrix[line[1] - 1, line[2] - 1] = line[3]
#計算相似度
from sklearn.metrics.pairwise import pairwise_distances
#相似度相當於權重w
user_similarity = pairwise_distances(train_data_matrix,metric='cosine')
#train_data_matrix.T 矩陣轉置
items_similarity = pairwise_distances(train_data_matrix.T,metric='cosine')

'''
基於使用者相似矩陣 -> 基於使用者的推薦
mean函式求取均值  axis=1 對各行求取均值，返回一個m*1的矩陣
np.newaxis 給矩陣增加一個列 一維矩陣變為多維矩陣 mean_user_rating(n*1)
train_data_matrix所有行都減去mean_user_rating對應行的數    此為規範化評分，使其在統一的範圍內
numpy a.dot(b) -> 兩個矩陣的點積
      np.abs(a) ->計算矩陣a各元素的絕對值
      np.sum()  -> 無引數 矩陣全部元素相加
                -> axis=0   按列相加
                -> axis=1   按行相加
      b /a 矩陣對應為相除
'''
mean_user_rating = train_data_matrix.mean(axis = 1) #計算每行的平均數
rating_diff = train_data_matrix - mean_user_rating[:,np.newaxis]  #評分規範化
print(user_similarity.dot(rating_diff))
pred = mean_user_rating[:, np.newaxis] \
       + user_similarity.dot(rating_diff) / np.array([np.abs(user_similarity).sum(axis=1)]).T  #權重w*平均化的評分

'''
基於物品相似矩陣   ---基於物品的推薦
'''