[英]How to change an array to SFrame for GraphLab ItemSimilarityRecommend
我已经在python中编写了自定义的成对相似性函数,该函数给出了特征X矩阵(包含特征行),查找并返回了输出,作为给定相似性度量的每个项目的k最近邻:
def print_pairwise_sim_for_graphlab(X,item_ids,metric,p,knn):
N = len(X)
SI = DI.squareform(DI.pdist(X,metric,p))
q = -1
Y = np.zeros((N*knn,4))
for i in range(0, N):
for k in range(1, knn+1):
q = q + 1
Y[q,0] = item_ids[i]
Y[q,1] = item_ids[np.argsort(SI[i,:])[-k]]
Y[q,2] = np.sort(SI[i,:])[-k]
Y[q,3] = k
return (Y)
我这样称呼它:
nn_SCD_min = print_pairwise_sim_for_graphlab(LL_features_SCD_min_np,item_ids,'minkowski',p,knn)
哪里
LL_features_SCD_min_np
array(
[[-200, -48, -127, ..., 1, 0, 1],
[-199, -38, -127, ..., 0, 0, 1],
[-202, -60, -127, ..., 1, 0, 1],
...,
[-202, -60, -127, ..., 1, 0, 1],
[-198, 56, -120, ..., 1, 0, 1],
[-202, -85, -127, ..., 1, 0, 1]])
输出如下所示
nn_SCD_min =
array([[ 8.90000000e+01, 4.71460000e+04, 1.85300000e+03,
1.00000000e+00],
[ 8.90000000e+01, 8.11470000e+04, 1.84600000e+03,
2.00000000e+00],
[ 8.90000000e+01, 2.20700000e+03, 1.84600000e+03,
3.00000000e+00],
...,
[ 8.24630000e+04, 1.00000000e+03, 1.39300000e+03,
8.00000000e+00],
[ 8.24630000e+04, 5.98930000e+04, 1.39200000e+03,
9.00000000e+00],
[ 8.24630000e+04, 1.48900000e+03, 1.35000000e+03,
1.00000000e+01]])
在Graphlab中,我想将输出用作graphlab.recommender.item_similarity_recommender.create
的输入。
我使用它如下:
m2 = gl.item_similarity_recommender.create(ratings_5K, nearest_items=nn_SCD_min)
我收到以下错误:
87 _get_metric_tracker().track(metric_name, value=1, properties=track_props, send_sys_info=False)
88
---> 89 raise ToolkitError(str(message))
ToolkitError: Option 'nearest_items' not recognized
我认为出错的主要原因是我的nn_SCD_min
需要作为SFrame导入(这里看起来像一个数组)。 nn_SCD_min
具有四列。 我相信这些列应具有以下标题的标题:
item_id, similar, score, rank
如何将具有以上四个头的数组'nn_SCD_min'更改为SFrame
? 关于我这样做的任何想法,我们将不胜感激。
您可以直接从numpy数组创建SFrame。 它将具有数组类型的单列。 然后,您可以将其unpack
为四列SFrame。
>>> nearest_items = gl.SFrame(nn_SCD_min)
>>> nearest_items = nearest_items.unpack('X1', '')\
.rename({'0': 'item_id',
'1': 'similar',
'2': 'score',
'3': 'rank'})
>>> nearest_items
Columns:
item_id float
similar float
score float
rank float
Rows: 6
Data:
+---------+---------+--------+------+
| item_id | similar | score | rank |
+---------+---------+--------+------+
| 89.0 | 47146.0 | 1853.0 | 1.0 |
| 89.0 | 81147.0 | 1846.0 | 2.0 |
| 89.0 | 2207.0 | 1846.0 | 3.0 |
| 82463.0 | 1000.0 | 1393.0 | 8.0 |
| 82463.0 | 59893.0 | 1392.0 | 9.0 |
| 82463.0 | 1489.0 | 1350.0 | 10.0 |
+---------+---------+--------+------+
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.