Python推荐系统 Python协同过滤算法实现步骤

协同过滤推荐系统可通过以下步骤用python实现：1. 数据准备：获取用户-物品评分数据，如movielens等；2. 构建用户-物品矩阵，使用pandas的pivot方法转换数据结构；3. 计算相似度，基于用户或物品，常用余弦相似度或皮尔逊相关系数；4. 预测评分并生成推荐，通过加权平均相似用户评分得出候选列表；5. 注意事项包括冷启动问题、评分标准化、稀疏性优化及性能优化。每一步均需结合代码实现并根据实际场景调整策略以提升效果。

推荐系统是现在很多平台的核心功能之一，比如电商、视频网站、音乐平台等。Python 作为数据处理和算法开发的主力语言，在构建推荐系统方面非常合适。协同过滤（Collaborative Filtering）是最经典的推荐算法之一，实现起来也不算太难。

下面我来一步步说说怎么用 Python 实现一个简单的协同过滤推荐系统。

1. 数据准备：用户-物品评分矩阵

协同过滤的基础是用户对物品的评分数据。最常见的是“用户-物品-评分”的三列结构，比如：

立即学习“Python免费学习笔记（深入）”；

user_id | item_id | rating --------|---------|------- 1       | A       | 5 1       | B       | 3 2       | A       | 4 ...

你可以使用公开的数据集，例如 MovieLens，也可以自己整理类似格式的数据。

常见问题：评分缺失太多怎么办？ 答案很简单：没关系，协同过滤本来就是用来处理稀疏矩阵的。

2. 构建用户-物品评分矩阵

有了原始数据之后，第一步是把它转成一个二维矩阵，行表示用户，列表示物品，值是评分。

可以用 Pandas 轻松完成这一步：

import pandas as pd  # 假设你已经加载了数据到 df，包含 user_id, item_id, rating ratings_matrix = df.pivot(index='user_id', columns='item_id', values='rating')

这时候你会得到一个看起来像这样的矩阵：

item_id     A    B    C user_id                  1         5.0  3.0  NaN 2         4.0  NaN  2.0 3         NaN  4.0  5.0

3. 计算相似度：用户之间 or 物品之间？

协同过滤分为两种：

• 基于用户的协同过滤（User-CF）：找和当前用户兴趣相近的其他用户，然后推荐他们喜欢但当前用户没看过的东西。
• 基于物品的协同过滤（Item-CF）：找和目标物品相似的其他物品，推荐给喜欢过这些相似物品的用户。

这里以 User-CF 为例，计算用户之间的相似度常用方法是皮尔逊相关系数或余弦相似度。

from sklearn.metrics.pairwise import cosine_similarity  # 填充 NaN 为 0，方便计算相似度 similarity_matrix = cosine_similarity(ratings_matrix.fillna(0))

这样你就得到了一个用户之间的相似度矩阵。

4. 预测评分并生成推荐

接下来就是预测某个用户对未评分物品的兴趣程度。公式大致如下：

$$ hat{r}_{ui} = bar{r}u + frac{sum{v in N(u)} text{sim}(u,v) cdot (r_{vi} – bar{r}v)}{sum{v in N(u)} |text{sim}(u,v)|} $$

不过在实际代码中可以简化处理，比如先找出最相似的几个用户，再根据他们的评分加权平均。

举个例子：

# 找出与用户1最相似的前3个用户 similar_users = similarity_df[1].sort_values(ascending=False)[1:4].index  # 收集这些用户评价过的电影，但用户1没有看过的 candidate_items = ratings_matrix.loc[similar_users].mean(axis=0).sort_values(ascending=False)  # 排除用户1已经评过分的项目 user_rated = ratings_matrix.loc[1].dropna().index recommendations = candidate_items.drop(user_rated, errors='ignore')

最终 recommendations 就是你想推荐的内容。

5. 注意事项 & 小技巧

• 冷启动问题：新用户或新物品没有评分，无法推荐。这是协同过滤的硬伤，只能配合其他策略缓解。
• 评分标准化：有些用户打分偏高，有些偏低，建议做去中心化处理（比如减去用户的平均评分）。
• 稀疏性优化：矩阵太大太稀疏时，可以用稀疏矩阵（scipy.sparse）节省内存。
• 性能优化：如果用户/物品太多，直接两两比较会很慢，可以考虑使用近似最近邻（ANN）加速。

基本上就这些步骤了。协同过滤虽然简单，但效果不错，尤其适合入门推荐系统。如果你能结合一些内容特征或者上下文信息，效果还能更上一层楼。