基本算法

这些是基本的算法，它们没有做太多工作，但对于比较准确度仍然很有用。

class surprise.prediction_algorithms.random_pred.NormalPredictor

基类: AlgoBase

根据训练集的分布（假定为正态分布）预测随机评分的算法。

预测值 ${\hat{r}}_{ui}$ 从正态分布 $\mathcal{N}(\hat{\mu },{\hat{\sigma }}^2)$ 中生成，其中 $\hat{\mu }$ 和 $\hat{\sigma }$ 使用最大似然估计从训练数据中估计得出

$$\begin{array}{rl}\hat{\mu }& =\frac{1}{|R_{train}|}\sum _{r_{ui}\in R_{train}}{r}_{ui}\\ \\ \hat{\sigma }& =\sqrt{\sum _{r_{ui}\in R_{train}}\frac{(r_{ui}-\hat{\mu }{)}^2}{|R_{train}|}}\end{array}$$

class surprise.prediction_algorithms.baseline_only.BaselineOnly(bsl_options={}, verbose=True)

基类: AlgoBase

为给定用户和项目预测基准估计值的算法。

${\hat{r}}_{ui}=b_{ui}=\mu +b_u+b_i$

如果用户 $u$ 未知，则偏差 $b_u$ 被假定为零。对于项目 $i$ ，同样适用。

详情请参阅 [Kor10] 的 2.1 节。

参数:

• bsl_options (字典) – 用于计算基准估计值的选项字典。参阅 基准估计值配置 了解接受的选项。

• verbose (布尔值) – 是否打印偏差估计、相似度等的跟踪消息。默认为 True。