mirror of
https://github.com/apachecn/ailearning.git
synced 2026-05-07 14:13:14 +08:00
363 lines
13 KiB
Python
363 lines
13 KiB
Python
#!/usr/bin/python
|
||
# coding: utf-8
|
||
|
||
'''
|
||
Created on Mar 8, 2011
|
||
Update on 2017-05-18
|
||
@author: Peter Harrington/山上有课树/片刻
|
||
《机器学习实战》更新地址：https://github.com/apachecn/MachineLearning
|
||
'''
|
||
from numpy import linalg as la
|
||
from numpy import *
|
||
|
||
|
||
def loadExData3():
|
||
# 利用SVD提高推荐效果，菜肴矩阵
|
||
return[[2, 0, 0, 4, 4, 0, 0, 0, 0, 0, 0],
|
||
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 5],
|
||
[0, 0, 0, 0, 0, 0, 0, 1, 0, 4, 0],
|
||
[3, 3, 4, 0, 3, 0, 0, 2, 2, 0, 0],
|
||
[5, 5, 5, 0, 0, 0, 0, 0, 0, 0, 0],
|
||
[0, 0, 0, 0, 0, 0, 5, 0, 0, 5, 0],
|
||
[4, 0, 4, 0, 0, 0, 0, 0, 0, 0, 5],
|
||
[0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 4],
|
||
[0, 0, 0, 0, 0, 0, 5, 0, 0, 5, 0],
|
||
[0, 0, 0, 3, 0, 0, 0, 0, 4, 5, 0],
|
||
[1, 1, 2, 1, 1, 2, 1, 0, 4, 5, 0]]
|
||
|
||
|
||
def loadExData2():
|
||
# 书上代码给的示例矩阵
|
||
return[[0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 5],
|
||
[0, 0, 0, 3, 0, 4, 0, 0, 0, 0, 3],
|
||
[0, 0, 0, 0, 4, 0, 0, 1, 0, 4, 0],
|
||
[3, 3, 4, 0, 0, 0, 0, 2, 2, 0, 0],
|
||
[5, 4, 5, 0, 0, 0, 0, 5, 5, 0, 0],
|
||
[0, 0, 0, 0, 5, 0, 1, 0, 0, 5, 0],
|
||
[4, 3, 4, 0, 0, 0, 0, 5, 5, 0, 1],
|
||
[0, 0, 0, 4, 0, 4, 0, 0, 0, 0, 4],
|
||
[0, 0, 0, 2, 0, 2, 5, 0, 0, 1, 2],
|
||
[0, 0, 0, 0, 5, 0, 0, 0, 0, 4, 0],
|
||
[1, 0, 0, 0, 0, 0, 0, 1, 2, 0, 0]]
|
||
|
||
|
||
def loadExData():
|
||
"""
|
||
# 推荐引擎示例矩阵
|
||
return[[4, 4, 0, 2, 2],
|
||
[4, 0, 0, 3, 3],
|
||
[4, 0, 0, 1, 1],
|
||
[1, 1, 1, 2, 0],
|
||
[2, 2, 2, 0, 0],
|
||
[1, 1, 1, 0, 0],
|
||
[5, 5, 5, 0, 0]]
|
||
"""
|
||
# # 原矩阵
|
||
# return[[1, 1, 1, 0, 0],
|
||
# [2, 2, 2, 0, 0],
|
||
# [1, 1, 1, 0, 0],
|
||
# [5, 5, 5, 0, 0],
|
||
# [1, 1, 0, 2, 2],
|
||
# [0, 0, 0, 3, 3],
|
||
# [0, 0, 0, 1, 1]]
|
||
|
||
# 原矩阵
|
||
return[[0, -1.6, 0.6],
|
||
[0, 1.2, 0.8],
|
||
[0, 0, 0],
|
||
[0, 0, 0]]
|
||
|
||
|
||
# 相似度计算，假定inA和inB 都是列向量
|
||
# 基于欧氏距离
|
||
def ecludSim(inA, inB):
|
||
return 1.0/(1.0 + la.norm(inA - inB))
|
||
|
||
|
||
# pearsSim()函数会检查是否存在3个或更多的点。
|
||
# corrcoef直接计算皮尔逊相关系数，范围[-1, 1]，归一化后[0, 1]
|
||
def pearsSim(inA, inB):
|
||
# 如果不存在，该函数返回1.0，此时两个向量完全相关。
|
||
if len(inA) < 3:
|
||
return 1.0
|
||
return 0.5 + 0.5 * corrcoef(inA, inB, rowvar=0)[0][1]
|
||
|
||
|
||
# 计算余弦相似度，如果夹角为90度，相似度为0；如果两个向量的方向相同，相似度为1.0
|
||
def cosSim(inA, inB):
|
||
num = float(inA.T*inB)
|
||
denom = la.norm(inA)*la.norm(inB)
|
||
return 0.5 + 0.5*(num/denom)
|
||
|
||
|
||
# 基于物品相似度的推荐引擎
|
||
def standEst(dataMat, user, simMeas, item):
|
||
"""standEst(计算某用户未评分物品中，以对该物品和其他物品评分的用户的物品相似度，然后进行综合评分)
|
||
|
||
Args:
|
||
dataMat 训练数据集
|
||
user 用户编号
|
||
simMeas 相似度计算方法
|
||
item 未评分的物品编号
|
||
Returns:
|
||
ratSimTotal/simTotal 评分（0～5之间的值）
|
||
"""
|
||
# 得到数据集中的物品数目
|
||
n = shape(dataMat)[1]
|
||
# 初始化两个评分值
|
||
simTotal = 0.0
|
||
ratSimTotal = 0.0
|
||
# 遍历行中的每个物品（对用户评过分的物品进行遍历，并将它与其他物品进行比较）
|
||
for j in range(n):
|
||
userRating = dataMat[user, j]
|
||
# 如果某个物品的评分值为0，则跳过这个物品
|
||
if userRating == 0:
|
||
continue
|
||
# 寻找两个用户都评级的物品
|
||
# 变量 overLap 给出的是两个物品当中已经被评分的那个元素的索引ID
|
||
# logical_and 计算x1和x2元素的真值。
|
||
overLap = nonzero(logical_and(dataMat[:, item].A > 0, dataMat[:, j].A > 0))[0]
|
||
# 如果相似度为0，则两着没有任何重合元素，终止本次循环
|
||
if len(overLap) == 0:
|
||
similarity = 0
|
||
# 如果存在重合的物品，则基于这些重合物重新计算相似度。
|
||
else:
|
||
similarity = simMeas(dataMat[overLap, item], dataMat[overLap, j])
|
||
# print 'the %d and %d similarity is : %f'(iten,j,similarity)
|
||
# 相似度会不断累加，每次计算时还考虑相似度和当前用户评分的乘积
|
||
# similarity 用户相似度， userRating 用户评分
|
||
simTotal += similarity
|
||
ratSimTotal += similarity * userRating
|
||
if simTotal == 0:
|
||
return 0
|
||
# 通过除以所有的评分总和，对上述相似度评分的乘积进行归一化，使得最后评分在0~5之间，这些评分用来对预测值进行排序
|
||
else:
|
||
return ratSimTotal/simTotal
|
||
|
||
|
||
# 基于SVD的评分估计
|
||
# 在recommend() 中，这个函数用于替换对standEst()的调用，该函数对给定用户给定物品构建了一个评分估计值
|
||
def svdEst(dataMat, user, simMeas, item):
|
||
"""svdEst( )
|
||
|
||
Args:
|
||
dataMat 训练数据集
|
||
user 用户编号
|
||
simMeas 相似度计算方法
|
||
item 未评分的物品编号
|
||
Returns:
|
||
ratSimTotal/simTotal 评分（0～5之间的值）
|
||
"""
|
||
# 物品数目
|
||
n = shape(dataMat)[1]
|
||
# 对数据集进行SVD分解
|
||
simTotal = 0.0
|
||
ratSimTotal = 0.0
|
||
# 奇异值分解
|
||
# 在SVD分解之后，我们只利用包含了90%能量值的奇异值，这些奇异值会以NumPy数组的形式得以保存
|
||
U, Sigma, VT = la.svd(dataMat)
|
||
|
||
# # 分析 Sigma 的长度取值
|
||
# analyse_data(Sigma, 20)
|
||
|
||
# 如果要进行矩阵运算，就必须要用这些奇异值构建出一个对角矩阵
|
||
Sig4 = mat(eye(4) * Sigma[: 4])
|
||
|
||
# 利用U矩阵将物品转换到低维空间中，构建转换后的物品(物品+4个主要的特征)
|
||
xformedItems = dataMat.T * U[:, :4] * Sig4.I
|
||
print 'dataMat', shape(dataMat)
|
||
print 'U[:, :4]', shape(U[:, :4])
|
||
print 'Sig4.I', shape(Sig4.I)
|
||
print 'VT[:4, :]', shape(VT[:4, :])
|
||
print 'xformedItems', shape(xformedItems)
|
||
|
||
# 对于给定的用户，for循环在用户对应行的元素上进行遍历
|
||
# 这和standEst()函数中的for循环的目的一样，只不过这里的相似度计算时在低维空间下进行的。
|
||
for j in range(n):
|
||
userRating = dataMat[user, j]
|
||
if userRating == 0 or j == item:
|
||
continue
|
||
# 相似度的计算方法也会作为一个参数传递给该函数
|
||
similarity = simMeas(xformedItems[item, :].T, xformedItems[j, :].T)
|
||
# for 循环中加入了一条print语句，以便了解相似度计算的进展情况。如果觉得累赘，可以去掉
|
||
print 'the %d and %d similarity is: %f' % (item, j, similarity)
|
||
# 对相似度不断累加求和
|
||
simTotal += similarity
|
||
# 对相似度及对应评分值的乘积求和
|
||
ratSimTotal += similarity * userRating
|
||
if simTotal == 0:
|
||
return 0
|
||
else:
|
||
# 计算估计评分
|
||
return ratSimTotal/simTotal
|
||
|
||
|
||
# recommend()函数，就是推荐引擎，它默认调用standEst()函数，产生了最高的N个推荐结果。
|
||
# 如果不指定N的大小，则默认值为3。该函数另外的参数还包括相似度计算方法和估计方法
|
||
def recommend(dataMat, user, N=3, simMeas=cosSim, estMethod=standEst):
|
||
"""svdEst( )
|
||
|
||
Args:
|
||
dataMat 训练数据集
|
||
user 用户编号
|
||
simMeas 相似度计算方法
|
||
estMethod 使用的推荐算法
|
||
Returns:
|
||
返回最终 N 个推荐结果
|
||
"""
|
||
# 寻找未评级的物品
|
||
# 对给定的用户建立一个未评分的物品列表
|
||
unratedItems = nonzero(dataMat[user, :].A == 0)[1]
|
||
# 如果不存在未评分物品，那么就退出函数
|
||
if len(unratedItems) == 0:
|
||
return 'you rated everything'
|
||
# 物品的编号和评分值
|
||
itemScores = []
|
||
# 在未评分物品上进行循环
|
||
for item in unratedItems:
|
||
# 获取 item 该物品的评分
|
||
estimatedScore = estMethod(dataMat, user, simMeas, item)
|
||
itemScores.append((item, estimatedScore))
|
||
# 按照评分得分 进行逆排序，获取前N个未评级物品进行推荐
|
||
return sorted(itemScores, key=lambda jj: jj[1], reverse=True)[: N]
|
||
|
||
|
||
def analyse_data(Sigma, loopNum=20):
|
||
"""analyse_data(分析 Sigma 的长度取值)
|
||
|
||
Args:
|
||
Sigma Sigma的值
|
||
loopNum 循环次数
|
||
"""
|
||
# 总方差的集合（总能量值）
|
||
Sig2 = Sigma**2
|
||
SigmaSum = sum(Sig2)
|
||
for i in range(loopNum):
|
||
SigmaI = sum(Sig2[:i+1])
|
||
'''
|
||
根据自己的业务情况，就行处理，设置对应的 Singma 次数
|
||
|
||
通常保留矩阵 80% ～ 90% 的能量，就可以得到重要的特征并取出噪声。
|
||
'''
|
||
print '主成分：%s, 方差占比：%s%%' % (format(i+1, '2.0f'), format(SigmaI/SigmaSum*100, '4.2f'))
|
||
|
||
|
||
# 图像压缩函数
|
||
# 加载并转换数据
|
||
def imgLoadData(filename):
|
||
myl = []
|
||
# 打开文本文件，并从文件以数组方式读入字符
|
||
for line in open(filename).readlines():
|
||
newRow = []
|
||
for i in range(32):
|
||
newRow.append(int(line[i]))
|
||
myl.append(newRow)
|
||
# 矩阵调入后，就可以在屏幕上输出该矩阵
|
||
myMat = mat(myl)
|
||
return myMat
|
||
|
||
|
||
# 打印矩阵
|
||
def printMat(inMat, thresh=0.8):
|
||
# 由于矩阵保护了浮点数，因此定义浅色和深色，遍历所有矩阵元素，当元素大于阀值时打印1，否则打印0
|
||
for i in range(32):
|
||
for k in range(32):
|
||
if float(inMat[i, k]) > thresh:
|
||
print 1,
|
||
else:
|
||
print 0,
|
||
print ''
|
||
|
||
|
||
# 实现图像压缩，允许基于任意给定的奇异值数目来重构图像
|
||
def imgCompress(numSV=3, thresh=0.8):
|
||
"""imgCompress( )
|
||
|
||
Args:
|
||
numSV Sigma长度
|
||
thresh 判断的阈值
|
||
"""
|
||
# 构建一个列表
|
||
myMat = imgLoadData('input/14.SVD/0_5.txt')
|
||
|
||
print "****original matrix****"
|
||
# 对原始图像进行SVD分解并重构图像e
|
||
printMat(myMat, thresh)
|
||
|
||
# 通过Sigma 重新构成SigRecom来实现
|
||
# Sigma是一个对角矩阵，因此需要建立一个全0矩阵，然后将前面的那些奇异值填充到对角线上。
|
||
U, Sigma, VT = la.svd(myMat)
|
||
# SigRecon = mat(zeros((numSV, numSV)))
|
||
# for k in range(numSV):
|
||
# SigRecon[k, k] = Sigma[k]
|
||
|
||
# 分析插入的 Sigma 长度
|
||
analyse_data(Sigma, 20)
|
||
|
||
SigRecon = mat(eye(numSV) * Sigma[: numSV])
|
||
reconMat = U[:, :numSV] * SigRecon * VT[:numSV, :]
|
||
print "****reconstructed matrix using %d singular values *****" % numSV
|
||
printMat(reconMat, thresh)
|
||
|
||
|
||
if __name__ == "__main__":
|
||
|
||
# # 对矩阵进行SVD分解(用python实现SVD)
|
||
# Data = loadExData()
|
||
# print 'Data:', Data
|
||
# U, Sigma, VT = linalg.svd(Data)
|
||
# # 打印Sigma的结果，因为前3个数值比其他的值大了很多，为9.72140007e+00，5.29397912e+00，6.84226362e-01
|
||
# # 后两个值比较小，每台机器输出结果可能有不同可以将这两个值去掉
|
||
# print 'U:', U
|
||
# print 'Sigma', Sigma
|
||
# print 'VT:', VT
|
||
# print 'VT:', VT.T
|
||
|
||
# # 重构一个3x3的矩阵Sig3
|
||
# Sig3 = mat([[Sigma[0], 0, 0], [0, Sigma[1], 0], [0, 0, Sigma[2]]])
|
||
# print U[:, :3] * Sig3 * VT[:3, :]
|
||
|
||
"""
|
||
# 计算欧氏距离
|
||
myMat = mat(loadExData())
|
||
# print myMat
|
||
print ecludSim(myMat[:, 0], myMat[:, 4])
|
||
print ecludSim(myMat[:, 0], myMat[:, 0])
|
||
|
||
# 计算余弦相似度
|
||
print cosSim(myMat[:, 0], myMat[:, 4])
|
||
print cosSim(myMat[:, 0], myMat[:, 0])
|
||
|
||
# 计算皮尔逊相关系数
|
||
print pearsSim(myMat[:, 0], myMat[:, 4])
|
||
print pearsSim(myMat[:, 0], myMat[:, 0])
|
||
|
||
"""
|
||
|
||
# 计算相似度的方法
|
||
myMat = mat(loadExData3())
|
||
# print myMat
|
||
# 计算相似度的第一种方式
|
||
print recommend(myMat, 1, estMethod=svdEst)
|
||
# 计算相似度的第二种方式
|
||
print recommend(myMat, 1, estMethod=svdEst, simMeas=pearsSim)
|
||
|
||
# 默认推荐（菜馆菜肴推荐示例）
|
||
print recommend(myMat, 2)
|
||
|
||
"""
|
||
# 利用SVD提高推荐效果
|
||
U, Sigma, VT = la.svd(mat(loadExData2()))
|
||
print Sigma # 计算矩阵的SVD来了解其需要多少维的特征
|
||
Sig2 = Sigma**2 # 计算需要多少个奇异值能达到总能量的90%
|
||
print sum(Sig2) # 计算总能量
|
||
print sum(Sig2) * 0.9 # 计算总能量的90%
|
||
print sum(Sig2[: 2]) # 计算前两个元素所包含的能量
|
||
print sum(Sig2[: 3]) # 两个元素的能量值小于总能量的90%，于是计算前三个元素所包含的能量
|
||
# 该值高于总能量的90%，这就可以了
|
||
|
||
"""
|
||
|
||
# 压缩图片
|
||
# imgCompress(2)
|