surprise库官方文档分析（三）：搭建自己的预测算法

1、基础

创建自己的预测算法非常简单：算法只不过是一个派生自AlgoBase具有estimate 方法的类。这是该方法调用的predict()方法。它接受内部用户ID，内部项ID，并返回估计评级r

from surprise import AlgoBase
from surprise import Dataset
from surprise.model_selection import cross_validate


class MyOwnAlgorithm(AlgoBase):

    def __init__(self):

        # Always call base method before doing anything.
        AlgoBase.__init__(self)

    def estimate(self, u, i):
        #   存储有关预测的其他信息，还可以返回包含给定详细信息的字典
        details = {'info1' : 'That was',
                   'info2' : 'easy stuff :)'}
        return 3, details


data = Dataset.load_builtin('ml-100k')
algo = MyOwnAlgorithm()

cross_validate(algo, data, verbose=True)

以上代码实现了一个最简单的自定义预测方法。

2、fit()方法

现在，让我们制作一个稍微聪明的算法来预测列车集的所有评级的平均值。由于这是一个不依赖于当前用户或项目的常量值，我们宁愿一劳永逸地计算它。这可以通过定义fit方法来完成：

class MyOwnAlgorithm(AlgoBase):

    def __init__(self):

        # Always call base method before doing anything.
        AlgoBase.__init__(self)

    def fit(self, trainset):

        # Here again: call base method before doing anything.
        AlgoBase.fit(self, trainset)

        # Compute the average rating. We might as well use the
        # trainset.global_mean attribute ;)
        self.the_mean = np.mean([r for (_, _, r) in
                                 self.trainset.all_ratings()])

        return self

    def estimate(self, u, i):

        return self.the_mean

fit方法例如通过cross_validate交叉验证过程的每个折叠处的函数调用（也可以自己调用它）。在做任何事情之前，你应该调用基类fit()方法。

请注意，该fit()方法返回self。这允许使用表达式algo.fit(trainset).test(testset)。

3、trainset属性

fit()返回基类方法后，您需要的有关当前训练集的所有信息（评级值等）都存储在self.trainset属性中。这是一个Trainset具有许多预测属性和方法的对象。

为了说明它的用法，让我们制作一个算法来预测所有评级的平均值，用户的平均评分和项目的平均评级之间的平均值：

def estimate(self, u, i):

        sum_means = self.trainset.global_mean
        div = 1

        if self.trainset.knows_user(u):
            sum_means += np.mean([r for (_, r) in self.trainset.ur[u]])
            div += 1
        if self.trainset.knows_item(i):
            sum_means += np.mean([r for (_, r) in self.trainset.ir[i]])
            div += 1

        return sum_means / div

4、预测不可能

由算法决定是否能够产生预测。如果预测不可能，则可以提出 PredictionImpossible异常。您需要先导入它：

from surprise import PredictionImpossible

该异常将被该predict()方法和估计r捕获^你我[R^ü一世将根据default_prediction()方法设置，可以覆盖。默认情况下，它返回列车集中所有评级的平均值。

5、相似性和基线

如果算法使用相似性度量或基线估计，您将需要接受bsl_options并sim_options作为__init__方法的参数 ，并将它们传递给Base类。

class MyOwnAlgorithm(AlgoBase):

    def __init__(self, sim_options={}, bsl_options={}):

        AlgoBase.__init__(self, sim_options=sim_options,
                          bsl_options=bsl_options)

    def fit(self, trainset):

        AlgoBase.fit(self, trainset)

        # Compute baselines and similarities
        self.bu, self.bi = self.compute_baselines()
        self.sim = self.compute_similarities()

        return self

    def estimate(self, u, i):

        if not (self.trainset.knows_user(u) and self.trainset.knows_item(i)):
            raise PredictionImpossible('User and/or item is unkown.')

        # Compute similarities between u and v, where v describes all other
        # users that have also rated item i.
        neighbors = [(v, self.sim[u, v]) for (v, r) in self.trainset.ir[i]]
        # Sort these neighbors by similarity
        neighbors = sorted(neighbors, key=lambda x: x[1], reverse=True)

        print('The 3 nearest neighbors of user', str(u), 'are:')
        for v, sim_uv in neighbors[:3]:
            print('user {0:} with sim {1:1.2f}'.format(v, sim_uv))

        # ... Aaaaand return the baseline estimate anyway ;)