KNN推荐算法可视化的R实现

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本程序在推荐算法（向量化的语言，没有for之类的东东）的基础上增加了图示，标明由谁负责完成推荐任务。

案 例

---

# 7个人评价6部电影的得分矩阵,最好5分，最差1分，没有看过记为NA，表示不评价。

1. scores = c(2.5,3.5,3,3.5,2.5,3,3,3.5,1.5,5,3.5,3,2.5,3,NA,3.5,NA,4,NA,
   
2.            3.5,3,4,2.5,4.5,3,4,2,3,2,3,3,4,NA,5,3.5,3,NA,4.5,NA,4,1,NA)  
   
3. data = matrix(scores,byrow=T,ncol=6)
   
4. colnames(data) = c('张三丰','少林寺','让子弹飞','神雕侠侣','白蛇传','龙门客栈')
   
5. rownames(data) = c('赵一','钱二','孙三','李四','刘五','郑六','王七')

复制代码

# 缺失值用均值替代并作降维处理

1. view = apply(data,2,function(x){
   
2.                        x[is.na(x)] = mean(x,na.rm=T)
   
3.                        return(x)
   
4.                       })
   
5. res = svd(view)

复制代码

# 测量品味接近程度

1. mute = function(x,dim=3){
   
2.                          u = data.frame(res$u[,1:dim])
   
3.                          rownames(u) = rownames(data)
   
4.                          library(proxy)
   
5.                          similar = as.matrix(simil(u,method='cosine'))
   
6.                          p = similar[x,]
   
7.                          res = p[order(p,decreasing=T)]
   
8.                          return(res)
   
9.                          }

复制代码

#找出关系网

1. m = lapply(rownames(data),mute)  
   
2. relation = data.frame(客户群 = rownames(data),
   
3.                       推荐人 = sapply(1:nrow(data),function(i) names(m[[i]][1])),
   
4.                       密切程度 = round(as.vector(sapply(1:nrow(data),function(i) m[[i]][1])),2))

复制代码

# 推荐电影

1. recommend = function(x){
   
2.                         part = colnames(data)[is.na(data[x,])]
   
3.                         if (length(part)==0) return(NA)
   
4.                         m = mute(x)
   
5.                         md = data[names(m),part,drop = F]
   
6.                         movie = colSums(md*m,na.rm = T)/apply(!is.na(md),2,function(x) sum(m[x]))
   
7.                         names(movie) = part
   
8.                         res = movie[order(movie,decreasing=T)]
   
9.                         return(res)
   
10.                        }

复制代码

# 策略可视化

1. library(ggplot2)
   
2. u = data.frame(res$u[,2:3])
   
3. v = data.frame(res$v[,2:3])
   
4. 
   
5. p = ggplot() +
   
6.      geom_point(data=u,aes(X1,X2),size = 3,colour = 'blue') +
   
7.      geom_point(data=v,aes(X1,X2),size=4,colour='red4') +
   
8.      geom_text(data=u,aes(X1,X2),label=rownames(data),vjust=2) +
   
9.      geom_text(data=v,aes(X1,X2),label=colnames(data),vjust=-1) +
   
10.      geom_segment(aes(x = u[4,1], y = u[4,2], xend = u[3,1], yend = u[3,2]),size = 1) +
    
11.      geom_segment(aes(x = u[4,1], y = u[4,2], xend = v[1,1], yend = v[1,2]),size = 1) +
    
12.      geom_segment(aes(x = u[3,1], y = u[3,2], xend = v[3,1], yend = v[3,2]),size = 1) +
    
13.      geom_segment(aes(x = u[7,1], y = u[7,2], xend = u[5,1], yend = u[5,2]),colour = 'red',size = 1) +
    
14.      geom_segment(aes(x = u[7,1], y = u[7,2], xend = v[1,1], yend = v[1,2]),colour = 'red',size = 1) +
    
15.      geom_segment(aes(x = u[6,1], y = u[6,2], xend = u[2,1], yend = u[2,2]),colour = 'blue',size = 1) +
    
16.      geom_segment(aes(x = u[6,1], y = u[6,2], xend = v[3,1], yend = v[3,2]),colour = 'blue',size = 1) +
    
17.      coord_cartesian(ylim=c(-0.7,0.7))
    
18. print(p)

复制代码

其他见：[实际应用] KNN推荐算法可视化

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：KNN推荐算法 推荐算法 R实现 knn 可视化 KNN推荐算法 推荐算法 可视化