机器学习——Surprise
0介紹
從這里開始學習：https://surprise.readthedocs.io/en/stable/prediction_algorithms_package.html
surprise，和sklearn類似，不過是surprise主要用于推薦
1預測算法
1.0AlgoBase基類
Surprise提供了一系列內置算法。所有預測算法都源自AlgoBase基類，其中實現（implement）了一些關鍵方法（e.g. predict, fit and test）。
surprise.prediction_algorithms.algo_base 模塊定義了每個預測算法都必須從中繼承的基類AlgoBase。
抽象類，其中定義了預測算法的基本行為。
關鍵參數：
- baseline_options (dict, optional)
- 如果算法需要計算基線估計值（baselines estimates），則baseline_options參數用于配置計算方式。
- 有關使用情況，請參閱1.0.1基線估計配置。
1.0.1Baselines estimates configuration(基線估計值配置)
本節僅適用于嘗試最小化以下正則化平方誤差（或等效誤差）的算法（或相似性度量）:
對于在另一個目標函數（例如SVD算法）中使用基線的算法，基線配置是不同的，并且特定于每個算法。請參考他們自己的文檔。
Baselines(基線)可以通過兩種不同的方式進行估計
- Using Stochastic Gradient Descent (SGD)——隨機梯度下降法
- Using Alternating Least Squares (ALS)——交替最小二乘法
您可以使用在創建算法時傳遞的bsl_options參數配置計算基線的方式。此參數是一個字典，其中鍵“method”表示要使用的方法。接受的值為“als”（默認值）和“sgd”。根據其值，可以設置其他選項。
ASL:
- “reg_i”：項(items)的正則化參數。對應于[Koren:2010]中的λ2。默認值為10。
- “reg_u”：用戶的正則化參數。對應于[Koren:2010]中的λ3。默認值為15。
- ‘n_epochs’：ALS過程的迭代次數。默認值為10。注意，在[Koren:2010]中，描述的是一個單一的迭代過程。
- 在機器學習中，ALS指使用交替最小二乘法求解的一個協同過濾推薦算法
SGD:
- “reg”：優化成本函數的正則化參數，對應于[Koren:2010]中的λ1。默認值為0.02。
- “learning_rate”：SGD的學習率，對應于[Koren:2010]中的γ。默認值為0.005。
- ‘n_epochs’：SGD過程的迭代次數。默認值為20。
注意：對于這兩個過程（ALS和SGD），用戶和項目偏差（bu和bi）初始化為零。
Note that some similarity measures（相似性度量） may use baselines, such as the pearson_baseline similarity.
具體看here
1.0.2Similarity measure configuration（相似性度量配置）
許多算法使用相似性度量來估計評分。配置它們的方式與baselines ratings(基線評級)的方式類似：您只需在創建算法時傳遞sim_options參數。此參數是具有以下（所有可選）鍵的字典：
- “name”：相似性模塊中定義的要使用的相似性的名稱。默認值為“MSD”。(MSD——Mean Squared Difference)
- “user_based”：將計算用戶之間還是項目之間的相似性。這對預測算法的性能有很大的影響。默認值為True（即計算用戶之間的相似性）。
- “min_support”：相似度不為零的 最小公共項(items)數（當“user_based”為“True”時）或最小公共用戶數（當“user_based”為“False”）。簡單地說，如果|Iuv|<min_support ，那么sim（u，v）=0（即這兩個用戶之間的相似度為0）。這同樣適用于物品。
- “shrinkage”：要應用的收縮參數（僅與pearson_baseline相似性相關）。默認值為100。
相似度度量方法有cosine、msd、pearson、pearson_baseline等
1.0.3 algobase的方法
1compute_baselines()
2compute_similarities()
3default_prediction()
4fit(trainset)
在給定的訓練集上訓練算法。
此方法由每個派生類調用，作為訓練算法的第一個基本步驟。它基本上只是初始化一些內部結構并設置self.trainset屬性。
- 參數：trainset（trainset）–一個由folds方法返回的訓練集。
- 返回：self
5get_neighbors(iid, k)
6predict(uid, iid, r_ui=None, clip=True, verbose=False)
計算給定用戶和項目的評級預測。
predict方法將原始ID轉換為內部ID（What are raw and inner ids？），然后調用在每個派生類中定義的estimate方法。如果無法進行預測（例如，因為用戶 和/或 項目未知），則根據默認值設置預測。
參數：
- uid–用戶id（raw）。
- iid–項目的id（raw）。
- r_ui（float）-真實評級?？蛇x，默認為無。
- clip（bool）–是否將估算值剪切到評級量表中。例如，如果rui為5.5，而評級等級為[1,5]，則rui設置為5。如果rui<1，情況也是如此。默認值為True。
- verbose （bool）–是否打印預測的詳細信息。默認值為False。
return：
一個預測對象，包含：
- 用戶id uid（raw）。
- 項目id iid（raw）。
- 真實評級r_ui（rui）。
- 估計評級（rui）。
Raw ID是rating file 或 a pandas DataFrame中定義的ID。它們可以是字符串或數字。但是請注意，如果評級是從標準場景的文件中讀取的，則它們表示為字符串。了解您是否正在使用predict()或其他接受Raw ID作為參數的方法非常重要。
在trainset創建時，每個raw id映射到一個稱為inner id的唯一整數，該整數更適合surprise操作。raw ID和inner ID之間的轉換可以使用trainset的**to_inner_uid（）、to_inner_iid（）、to_raw_uid（）和to_raw_iid（）**方法完成。
7test(testset, verbose=False)
1.00The predictions module
The surprise.prediction_algorithms.predictions module defines the Prediction named tuple and the PredictionImpossible exception.
here
1.1Basic Algorithms
1.1.1random_pred.NormalPredictor
基于假設為正態的訓練集分布預測隨機評分的算法。
class surprise.prediction_algorithms.random_pred.NormalPredictor Bases: surprise.prediction_algorithms.algo_base.AlgoBase預測rui由正態分布N（μ^ ，σ^ 2）生成，其中μ^ 和σ^ 通過使用最大似然估計的訓練數據進行估計：
1.1.2baseline_on1y.BaselineOnly
為給定用戶和項目預測基線估計值的算法。
class surprise.prediction_algorithms.baseline_only.BaselineOnly(bsl_options={}, verbose=True) Bases: surprise.prediction_algorithms.algo_base.AlgoBase
如果用戶U是未知的，則bu假設為0，item同理。
1.2 knns
1.2.1knns.KNNBasic
一種基本的協同過濾算法。
class surprise.prediction_algorithms.knns.KNNBasic(k=40, min_k=1, sim_options={}, verbose=True, **kwargs) Bases: surprise.prediction_algorithms.knns.SymmetricAlgo
參數：
- k（int）–聚合時要考慮的（最大）鄰居數。默認值為40。
- min_k（int）–聚合時要考慮的最小鄰居數。如果沒有足夠的鄰居，則將預測設置為所有評級的全局平均值。默認值為1。
- sim_options（dict）–相似性度量的選項字典。
verbose（bool）–是否打印偏差估計、相似性等跟蹤消息。默認值為True。
注意：
對于這些算法（knns）中的每一種，聚合以計算估計的實際鄰居數必然小于或等于k。首先，可能沒有足夠的鄰居，其次，集合Nki（u）和Nku（i）只包含相似性度量為正的鄰居。將負相關的用戶（或項目）的評分匯總在一起是沒有意義的。對于給定的預測，可以在預測的詳細信息字典的“actual_k”字段中檢索鄰居的實際數量。
1.2.2knns.KNNlwithMeans
一種基本的協同過濾算法，考慮到每個用戶的平均評分。
class surprise.prediction_algorithms.knns.KNNWithMeans(k=40, min_k=1, sim_options={}, verbose=True, **kwargs) Bases: surprise.prediction_algorithms.knns.SymmetricAlgo考慮到每個用戶的平均評分，主要是考慮到用戶個人的特點，會給所有item打高分等情況。
1.2.3knns.KNNWithZScore
一種基本的協同過濾算法，它考慮了每個用戶的z分數標準化。
class surprise.prediction_algorithms.knns.KNNWithZScore(k=40, min_k=1, sim_options={}, verbose=True, **kwargs) Bases: surprise.prediction_algorithms.knns.SymmetricAlgo1.2.4knns.KNNBaseline
一種基本的協同過濾算法，考慮了基線評分。
class surprise.prediction_algorithms.knns.KNNBaseline(k=40, min_k=1, sim_options={}, bsl_options={}, verbose=True, **kwargs) Bases: surprise.prediction_algorithms.knns.SymmetricAlgo1.3matrix_factorization
1.3.1matrix_factorization.SVD
著名的SVD算法，由Simon Funk在Netflix大獎期間推廣。當不使用基線時，這相當于概率矩陣分解。
class surprise.prediction_algorithms.matrix_factorization.SVD Bases: surprise.prediction_algorithms.algo_base.AlgoBase參數：
-
n_factors ：因子（factors）的數量。默認值為20。
-
n_epochs ：SGD（隨機梯度下降）過程的迭代次數。默認值為20。
-
biased (bool) – Whether to use baselines (or biases). Default is True.
-
init_mean：因子向量初始化的正態分布平均值。默認值為0。
-
init_std_dev：因子向量初始化正態分布的標準偏差。默認值為0.1。
-
lr_all：所有參數的學習率。默認值為0.007。
-
reg_all：所有參數的正則化項。默認值為0.02。
-
lr_bu：bu的學習率。如果設置，則優先于lr_all。默認值為“無”。
-
lr_bi：bi的學習率。如果設置，則優先于lr_all。默認值為“無”。
-
lr_pu：pu的學習率。如果設置，則優先于lr_all。默認值為“無”。
-
lr_qi：qi的學習率。如果設置，則優先于lr_all。默認值為“無”。
-
reg_bu：bu的正規化術語。如果設置，則優先于reg_all。默認值為“無”。
-
reg_bi：bi的正則化術語。如果設置，則優先于reg_all。默認值為“無”。
-
reg_pu：pu的正則化術語。如果設置，則優先于reg_all。默認值為“無”。
-
reg_qi：qi的規范化術語。如果設置，則優先于reg_all。默認值為“無”。
-
random_state（int、numpy的RandomState實例或None）：確定將用于初始化的RNG。如果為int，則隨機_狀態將用作新RNG的種子。這對于在多次調用fit（）時獲得相同的初始化非常有用。如果是RandomState實例，則該實例將用作RNG。如果沒有，則使用來自numpy的當前RNG。默認值為“無”。
-
verbose：如果為True，則打印當前歷元。默認值為False。
pu
The user factors (only exists if fit() has been called)
Type: numpy array of size (n_users, n_factors)
qi
The item factors (only exists if fit() has been called)
Type: numpy array of size (n_items, n_factors)
bu
The user biases (only exists if fit() has been called)
Type: numpy array of size (n_users)
bi
The item biases(偏差) (only exists if fit() has been called)
Type: numpy array of size (n_items)
1.3.2matrix_factorization.SVDpp
SVD++算法，它是SVD的一個擴展，考慮了隱式評級。
clas ssurprise.prediction_algorithms.matrix_factorization.SVDpp Bases: surprise.prediction_algorithms.algo_base.AlgoBase參數（大部分同上）：
- lr_yj：yj的學習率。如果設置，則優先于lr_all。默認值為“無”。
-
- reg_yj：yj的正則化術語。如果設置，則優先于reg_all。默認值為“無”。
yj
The (implicit) item factors (only exists if fit() has been called)
Type: numpy array of size (n_items, n_factors)
- reg_yj：yj的正則化術語。如果設置，則優先于reg_all。默認值為“無”。
1.3.3matrix_factorization.NMF
一種基于非負矩陣分解的協同過濾算法。
class surprise.prediction_algorithms.matrix_factorization.NMF Bases: surprise.prediction_algorithms.algo_base.AlgoBase1.4slope_one.SlopeOne
一種簡單但精確的協同過濾算法。
1.5co_clustering.CoClustering
一種基于協同聚類的協同過濾算法。
2model_selection
2.1交叉驗證迭代器Cross validation iterators
Surprise 提供了各種工具來運行交叉驗證過程和搜索預測算法的最佳參數。這里介紹的工具都是從優秀的scikit學習庫中獲得大量靈感的。
該模塊還包含將數據集拆分為訓練集和測試集的功能：
分割數據集以及訓練和測試
from surprise import SVD from surprise import Dataset from surprise import accuracy from surprise.model_selection import train_test_splitdata = Dataset.load_builtin('ml-100k') #加載movielens-100k數據集trainset, testset = train_test_split(data, test_size=.25) #隨機抽樣選出訓練集和測試集，這里選取了25%作為測試集algo = SVD() #使用SVD算法algo.fit(trainset) #做訓練 predictions = algo.test(testset) #做測試accuracy.rmse(predictions) #計算RMSE顯然，我們也可以簡單地將我們的算法作用于整個數據集，而不是進行交叉驗證。這可以通過使用build_full_trainset()方法建立trainset對象來完成 ：
from surprise import KNNBasic from surprise import Dataset data = Dataset.load_builtin('ml-100k') #加載movielens-100k數據集 trainset = data.build_full_trainset() #糾正/取出訓練集 algo = KNNBasic() #建立算法并訓練 algo.fit(trainset)2.1.1 KFold
是一個基本的交叉驗證迭代器。
class surprise.model_selection.split.KFold(n_splits=5, random_state=None, shuffle=True)參數：
- n_splits（int）–折疊的數量。
- random_state（int、numpy的RandomState實例或None）–確定將用于確定folds的RNG。如果為int，則random_state將用作新RNG的種子。這對于通過多次調用split（）獲得相同的拆分非常有用。如果是RandomState實例，則該實例將用作RNG。如果沒有，則使用來自numpy的當前RNG。random_state僅在隨機播放為真時使用。默認值為“無”。
- shuffle（bool）–是否洗牌split（）方法的數據參數中的評級。洗牌沒有到位。默認值為True。
split（data）
用于迭代訓練集集和測試集的生成器函數。
參數：數據（Dataset）–包含將被分為訓練集和測試集的額定值的數據。
生成：元組（訓練集、測試集）
使用
2.1.2 RepeatedKFold
RepeatedKFold：重復KFold交叉驗證程序。
2.1.3ShuffleSplit
ShuffleSplit是一個帶有隨機訓練集和測試集的基本交叉驗證迭代器。
2.1.4LeaveOneOut
LeaveOneOut交叉驗證迭代器，其中每個用戶在測試集中只有一個評級。
2.1.5 PredefinedKFold
PredefinedKFold 一個交叉驗證迭代器，用于在使用load_from_方法加載數據集時調用。
3 similarities module
3.1 cosine
計算所有用戶對（或項目）之間的余弦相似性。
surprise.similarities.cosine()3.2 msd
計算所有對用戶（或項目）之間的均方差相似度。
surprise.similarities.msd()3.3pearson
計算所有用戶對（或項目）之間的pearson相關系數。
surprise.similarities.pearson()3.4 pearson_baseline
計算所有用戶（或項目）對之間的（收縮的）pearson相關系數，使用基線作為中心，而不是平均值。
surprise.similarities.pearson_baseline()4accuracy module
accuracy模塊提供了計算一組預測的精度指標的工具。
可用的精度指標：
5dataset module
class surprise.dataset.Dataset(reader)dataset模塊定義用于管理數據集的dataset類和其他子類。
用戶可以同時使用內置數據集和用戶定義數據集。目前，有三個內置數據集可用：
The movielens-100k dataset.
The movielens-1m dataset.
The Jester dataset 2.
可以使用Dataset.load_builtin（）方法加載（或下載(如果尚未加載)）所有內置數據集。
總結：
5.1 classmethod load_builtin(name=u’ml-100k’, prompt=True)
加載內置數據集。
如果尚未加載數據集，則將下載并保存該數據集。
默認情況下，surprise下載的數據集將保存在“~/.surprise_data”目錄中。這也是存儲轉儲文件的地方。您可以通過設置“SURPRISE_DATA_FOLDER”環境變量來更改默認目錄(here)
您必須使用split方法（model_selection模塊）拆分數據集。
參數：
name（字符串）–要加載的內置數據集的名稱?？山邮艿闹禐椤癿l-100k”、“ml-1m”和“jester”。默認值為“ml-100k”。
prompt（bool）–如果數據集不在磁盤上，則在下載前進行提示。默認值為True。
返回：
數據集對象。
如果名稱參數不正確，ValueError錯誤。
5.2 classmethod load_from_df(df, reader)
5.3 classmethod load_from_file(file_path, reader)
5.4 classmethod load_from_folds(folds_files, reader)
5.5
class surprise.dataset.DatasetAutoFolds(ratings_file=None, reader=None, df=None)6Trainset class
trainset包含構成訓練集的所有有用數據。
class surprise.Trainset(ur, ir, n_users, n_items, n_ratings, rating_scale, raw2inner_id_users, raw2inner_id_items)每個預測算法的fit（）方法都使用它。您不應該嘗試自己構建這樣的對象，而應該使用Dataset.folds() method or the DatasetAutoFolds.build_full_trainset() method
trainset與dataset不同。可以將數據集視為原始數據，將訓練集視為定義了有用方法的更高級別的數據。
交叉驗證也可以由多個數據集組成。
here是trainset的屬性和方法
屬性：
方法：
參考
https://blog.csdn.net/yuxeaotao/article/details/79851576
總結
以上是生活随笔為你收集整理的机器学习——Surprise的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python安装surprise库总是失
- 下一篇： 推荐算法——Surprise