Surprise 框架

Surprise 是Python下的一个推荐算法实现的库，Python首选。
Surprise支持常见的推荐算法：

基础算法（baseline algorithm）
协同过滤算法（基于近邻算法）
矩阵分解算法 matrix factorization-based（SVD PMF SVD++ NMF）

算法	描述
random.NormalPredictor()	基于统计的推荐系统预测打分，假定用户打分的分布是基于正态分布的
BaselineOnly	基于统计的基准预测线打分
knns.KNNBasic	基本的协同过滤算法
knns.KNNWithMeans	协同过滤算法的变种，考虑每个用户的平均评分
knns.KNNWithZScore	协同过滤算法的变种，考虑每个用户评分的归一化操作
knns.KNNBaseline	协同过滤算法的变种，考虑每个用户评分的基线
matrix_factorzation.SVD	SVD 矩阵分解算法
matrix_factorzation.SVDpp	SVD++ 矩阵分解算法
matrix_factorzation.NMF	一种非负矩阵分解的协同过滤算法
SlopeOne	SlopeOne 协同过滤算法

相似度度量指标	描述
cosine	计算所有用户或者物品之间的余弦相似度
msd	计算所有用户或者物品之间的平均平方差相似度

基于统计的推荐算法

Normal Perdictor 认为用户对物品的评分是服从正态分布的，从而可以根据已有的评分的均值和方差预测当前用户对其他物品评分的分数。
$f(r_{ui}) = \frac{1}{ \sqrt{2 \pi}\sigma_u}e^{-\frac{({r_{ui} - \mu_u)}^2 }{2 \sigma^2_u}}$
基于大数定理或者使用最大似然估计

Surprise 框架

基于统计的推荐算法

推荐阅读更多精彩内容