【发布时间】：2014-05-26 15:40:56
【问题描述】：
我正在尝试在 python/pandas/numpy/sklearn 中构建基于内容的推荐系统。
以下是所涉及的矩阵及其大小：
X: n_customers * n_features（包含每个客户的特征）
Y: n_customers *n_products（包含每个客户对每个产品的评分）
Theta：n_features * n_products
目的是学习 Theta，以便能够预测客户对所有产品的评分 (X*Theta)。实际上，Y 是一个稀疏矩阵，客户得分仅占产品总量的很小百分比。这就是 Y 包含很多 NaN 值的原因。
这是我的问题：
这是一个包含许多目标的回归问题（此处目标 = 产品）。但我只想对非空值进行回归。因为 NaN 的数量因一种产品而异，我该如何对其进行矢量化？
假设有 1000 种产品和 100 000 名客户，每个产品都有 20 个功能。
对于每个产品，我需要对非空值进行回归。所以如果没有向量化，我需要 1000 个不同的回归器，每个回归器学习一个长度为 20 的 Theta 向量。
如果可能的话，我想用 sklearn 解决这个问题。例如，岭回归考虑了多个目标（Y 作为矩阵）
我希望它足够清楚。
感谢您的帮助。
【问题讨论】：
-
我不知道为什么你有空值，任何
scipy.sparce矩阵都表示缺失值为0。另外，你不知道有多少产品功能，对吧？ -
实际上 Y 是我从 pandas 中的 pivot 命令构建的 DataFrame。我使用稀疏这个词来强调这样一个事实，即每个客户只对少数产品（例如从 2 到 6）进行评分，而产品却超过 1000 种。我为每个客户提供功能（比如说 20 个）。这在 X DataFrame (n_customers*n_features) 中表示。关于客户的所有特征都是已知的
-
从你的问题来看，我不推荐
sklearn.linear_model.ridge回归对象。是的，它们是多目标，但截至目前，这些目标不能通过例如任何方式链接或共享信息。协方差矩阵。由于您的问题有许多缺失值，因此隐式或显式使用目标产品之间共享的信息至关重要。您是否研究过矩阵完成技术？这不完全是您想要做的，但可能会有所帮助。例如，您可以将 X 和 Y 水平粘贴在一起并尝试估算缺失值。
标签： python numpy machine-learning scikit-learn recommendation-engine