R语言：recommenderlab包的总结与应用案例
1. 推荐系统：recommenderlab包整体思路 recommenderlab包提供了一个可以用评分数据和0-1数据来发展和测试推荐算法的框架。 它提供了几种基础算法，并可利用注册机制允许用户使用自己的算法 recommender包的数据类型采用S4类构造。 （1）评分矩阵数据接口：使用抽象的raringMatrix为评分数据提供接口。raringMatrix采用了很多类似矩阵对象的操作，如 dim(),dimnames() ,rowCounts() ,colMeans() ,rowMeans(),colSums(),rowMeans()；也增加了一些特别的操作方法，如sample()，用于从用户（即，行）中抽样，image()可以生成像素图。raringMatrix的两种具体运用是realRatingMatrix和binaryRatingMatrix,分别对应评分矩阵的不同情况。其中realRatingMatrix使用的是真实值的评分矩阵，存储在由Matrix包定义的稀疏矩阵（spare matrix）格式中；binaryRatingMatrix使用的是0-1评分矩阵，存储在由arule包定义的itemMatrix中。 （2）存储推荐模型并基于模型进行推荐。类Recommender使用数据结构来存储推荐模型。创建方法是：Rencommender(data=ratingMatrix,method,parameter=NULL)，返回一个Rencommender对象object，可以用来做top-N推荐的预测： predict(object,newdata,n,type=c('topNlist,ratings'),…) （3）使用者可以利用registry包提供的注册机制自定义自己的推荐算法。注册机制调用recommenderRegistry并存贮推荐算法的名字和简短描述。 （4）评价推荐算法的表现：recommender包提供了evaluationScheme类的对象用于创建并保存评价计划。创建函数如下： evaluatiomScheme(data,method,train,k,given) 这里的方法可以采用简单划分、自助法抽样、k-折交叉验证等。接下来可以使用函数evalute()使用评价计划的多个评价算法的表现。 2.实例分析 library(recommenderlab) library(ggplot2) ##数据处理与数据探索性分析 data(MovieLense) image(MovieLense) # 获取评分 ratings.movie <- data.frame(ratings = getRatings(MovieLense)) summary(ratings.movie$ratings) ## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 1.00 3.00 4.00 3.53 4.00 5.00 ggplot(ratings.movie, aes(x = ratings)) + geom_histogram(fill = "beige", color = "black", binwidth = 1, alpha = 0.7) + xlab("rating") + ylab("count") # 标准化 ratings.movie1 <- data.frame(ratings = getRatings(normalize(MovieLense, method = "Z-score"))) summary(ratings.movie1$ratings) ## Min. 1st Qu. Median Mean 3rd Qu. Max. ## -4.850 -0.647 0.108 0.000 0.751 4.130 ggplot(ratings.movie1, aes(x = ratings)) + geom_histogram(fill = "beige", color = "black", alpha = 0.7) + xlab("rating") + ylab("count") # 用户的电影点评数 movie.count <- data.frame(count = rowCounts(MovieLense)) ggplot(movie.count, aes(x = count)) + geom_histogram(fill = "beige", color = "black", alpha = 0.7) + xlab("counts of users") + ylab("counts of movies rated") rating.mean <- data.frame(rating = colMeans(MovieLense)) ggplot(rating.mean, aes(x = rating)) + geom_histogram(fill = "beige", color = "black", alpha = 0.7) + xlab("rating") + ylab("counts of movies ") ##推荐算法的情况 # 先看可以使用的方法 recommenderRegistry$get_entries(dataType = "realRatingMatrix") #对于realRatingMatrix有六种方法：IBCF(基于物品的推荐)、UBCF（基于用户的推荐）、SVD（矩阵因子化）、PCA（主成分分析）、 RANDOM（随机推荐）、POPULAR（基于流行度的推荐） #利用前940位用户建立推荐模型 m.recomm <- Recommender(MovieLense[1:940], method = "IBCF") m.recomm #对后三位用户进行推荐预测，使用predict()函数，默认是topN推荐，这里取n=3。预测后得到的一个topNList对象，可以把它转化为列表，看预测结果。 (ml.predict <- predict(m.recomm, MovieLense[941:943], n = 3)) str(ml.predict) as(ml.predict, "list")#预测结果 #代码示例 library(recommenderlab) data(MovieLense) scheme <- evaluationScheme(MovieLense, method = "split", train = 0.9, k = 1, given = 10, goodRating = 4) algorithms <- list(popular = list(name = "POPULAR", param = list(normalize = "Z-score")), ubcf = list(name = "UBCF", param = list(normalize = "Z-score", method = "Cosine", nn = 25, minRating = 3)), ibcf = list(name = "IBCF", param = list(normalize = "Z-score"))) results <- evaluate(scheme, algorithms, n = c(1, 3, 5, 10, 15, 20)) plot(results, annotate = 1:3, legend = "topleft") #ROC plot(results, "prec/rec", annotate = 3)#precision-recall # 按照评价方案建立推荐模型 model.popular <- Recommender(getData(scheme, "train"), method = "POPULAR") model.ibcf <- Recommender(getData(scheme, "train"), method = "IBCF") model.ubcf <- Recommender(getData(scheme, "train"), method = "UBCF") # 对推荐模型进行预测 predict.popular <- predict(model.popular, getData(scheme, "known"), type = "ratings") predict.ibcf <- predict(model.ibcf, getData(scheme, "known"), type = "ratings") predict.ubcf <- predict(model.ubcf, getData(scheme, "known"), type = "ratings") # 做误差的计算 predict.err <- rbind(calcPredictionError(predict.popular, getData(scheme, "unknown")), calcPredictionError(predict.ubcf, getData(scheme, "unknown")), calcPredictionError(predict.ibcf, getData(scheme, "unknown"))) rownames(predict.err) <- c("POPULAR, "UBCF", "IBCF") predict.err #calcPredictionError（）的参数“know”和“unknow”表示对测试集的进一步划分：“know”表示用户已经评分的，要用来预测的items；“unknow”表示用户已经评分，要被预测以便于进行模型评价的items。