使用LightFM和打印预测创建稀疏矩阵

Question

我目前正在使用一个名为LightFM的Python库。但是，在将交互传递给fit()方法时，我遇到了一些困难。

Python版本:3库：http://lyst.github.io/lightfm/docs/lightfm.html

文档指出，我应该创建以下类型的稀疏矩阵：交互(np.float32 coo_matrix of type n_users，n_items) --矩阵

但我似乎不能让它起作用它总是推荐同样的..。

更新：在执行它时，top_items变量表示不管它迭代的是哪个用户，而不是其他任何一项(牛肉或沙拉)，所以我似乎做错了什么。它每次输出：“蛋糕”“奶酪”

这是我的代码：

    import numpy as np
from lightfm.datasets import fetch_movielens
from lightfm import LightFM
from scipy.sparse import coo_matrix
import scipy.sparse as sparse
import scipy

// Users, items
data = [
    [1, 0], 
    [2, 1], 
    [3, 2],
    [4, 3]
]

items = np.array(["Cake", "Cheese", "Beef", "Salad"])

data = coo_matrix(data)

#create model
model = LightFM(loss='warp')
#train model
model.fit(data, epochs=30, num_threads=2)

// Print training data
print(data)

def sample_recommendation(model, data, user_ids):

    #number of users and movies in training data
    n_users, n_items = data.shape

    #generate recommendations for each user we input
    for user_id in user_ids:

        #movies our model predicts they will like
        scores = model.predict(user_id, np.arange(n_items))

        #rank them in order of most liked to least
        top_items = items[np.argsort(-scores)]

        print(top_items)

sample_recommendation(model, data, [1,2])

Answer 1

 data = coo_matrix(data)

可能不是您想要的；它是data的精确副本。不是特别稀少。

data代表什么？

我猜你真的想要一个大部分为0的矩阵，在由data表示的坐标处有1s。

In [20]: data = [
    ...:     [1, 0], 
    ...:     [2, 1], 
    ...:     [3, 2],
    ...:     [4, 3]
    ...: ]

可能不是你想要的：

In [21]: ds = sparse.coo_matrix(data)
In [22]: ds.A
Out[22]: 
array([[1, 0],
       [2, 1],
       [3, 2],
       [4, 3]])

再试：

In [23]: data=np.array(data)
In [24]: ds=sparse.coo_matrix((np.ones(4,int),(data[:,0],data[:,1])))
In [25]: ds
Out[25]: 
<5x4 sparse matrix of type '<class 'numpy.int32'>'
    with 4 stored elements in COOrdinate format>
In [26]: ds.A
Out[26]: 
array([[0, 0, 0, 0],
       [1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1]])

这是更典型的学习功能。