surprise框架之如何建立你自己的预测算法（翻译）

本节将会向你展示如何通过surprise建立一个个性化的预测算法。

基础

想自己来试一下吗？

构建你自己的预测算法是很简单的：每一个算法都只是从AlgoBase类中派生出来的，它有一个自己的被称作是predict()的评估方法。它需要传递进去一个inner user id , 一个inner item id ，查看这里，返回的是一个评估率 r^ui:
实例代码：

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):

        return 3


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

cross_validate(algo, data, verbose=True)

这个算法是我们可以想到的最糟糕的：它只是预测评分为3，而不管用户和项目。

如果你想存储关于预测的额外信息，你也可以返回一个带有给定细节的字典:

def estimate(self, u, i):

    details = {'info1' : 'That was',
               'info2' : 'easy stuff :)'}
    return 3, details

这个字典会被作为details字段存储到prediction中，以便后面分析用到。

fit 方法

我们现在来试一下构建一个稍微聪明点的算法——他能预测所有训练集中的评分数据的平均值。

因为他只是一个不依赖于现有的用户或u物品的常量，所以，我们可以只计算一次。通过定义fit方法即可完成：

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方法被称为例如通过在交叉验证过程的每个折叠处的cross_validate函数（但是您也可以自己调用它）。在做任何事之前，你应该调用基类fit()方法。

说明：fit()方法返回self，所以，这也说明可以使用类似于algo.fit(trainset).test(testset) 的表达式。

训练集的属性

当基类的fit()方法返回后，你需要了解的关于现有的训练集的信息都存储在self.trainset的属性中了。它是一个有很多有关预测的属性和方法的对象。

举例说明它的用法，我们会做一个预测所有评分的均值、所有用户的评分均值和物品评分的平均值的均值。（有语病）
代码：

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

说明：注意，在fit方法中计算所有用户的均值可能是一个更好的主意，从而避免多次重复相同的计算。

何时进行预测

是否能进行预测是你来决定的。如果你觉得可以进行预测了，那就抛出PredictionImpossible异常，但是你要先导入这个：

1	from surprise import PredictionImpossible

这个异常能被predict()方法捕获，估计量r^ui将被传递到全局变量——评分u的均值上。

使用相似度量和基准估计

如果你的算法使用相似度度量或者基准估计，那么你需要将bsl_options和sim_options传递进去作为初始化方法init的参数，并沿着Base class 进行传递。在这节查看如何使用使用这些参数。

compute_baselines()方法和compute_similarities()方法能被fit方法回调（或者说其他的任何地方）：

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 ;)

随意探索一下prediction_algorithms包源代码，以了解可以做什么。