recsys-pythonをやってみる【第1章】

はじめに

レコメンドシステムに携わっているので、Pythonによる推薦システムの演習問題集であるrecsys-pythonを解いてみました。
まずは１章です。
参考にしたサイトは以下です。
https://note.nkmk.me/
https://oregengo.hatenablog.com/entry/2016/03/09/132214
https://qiita.com/okkn/items/54e81346d8f35733ab5e
https://biotech-lab.org/articles/12701

01 評価履歴の生成

import numpy
Du = numpy.array([[5, 3, 1],
                 [6, 2, 1],
                 [4, 1, 1],
                 [8, 5, -1,],
                 [2, 4, -1],
                 [3, 6, -1],
                 [7,  6, -1],
                 [4,  2, numpy.nan],
                 [5, 1, numpy.nan],
                 [8, 6, numpy.nan],
                 [3, 4, numpy.nan],
                 [4, 7, numpy.nan],
                 [4, 4, numpy.nan]])
print('Du = \n{}'.format(Du))

02 評価履歴の形状

print('Duの形状 = {}'.format(Du.shape))

03 評価履歴の行数

print('Duの行数 = {}'.format(Du.shape[0]))

04 評価履歴の列数

print('Duの列数 = {}'.format(Du.shape[1]))

05 評価履歴の全要素数

print('Duの全要素数 = {}'.format(Du.size))

06 アイテム集合

I = numpy.arange(0, Du.shape[0])
print('I = {}'.format(I))

07 アイテムの特徴ベクトルの集合

x = Du[:, :2]
print('x = \n{}'.format(x))

08 アイテムiの特徴ベクトル

i = 0
print('x{} = {}'.format(i, x[0]))

09 評価値集合

ru = Du[:, 2:3].reshape(Du.shape[0])
print('ru = {}'.format(ru))

10 評価値集合の形状

print('ruの形状 = {}'.format(ru.shape))

11 評価値集合の全要素数

print('ruの全要素数 = {}'.format(ru.shape[0]))

12 評価値集合の部分集合

i = 2
j = 5
print('ru{}からru{}までの評価値 = {}'.format(i, j-1, ru[i:j]))

13 評価値集合の要素の逆順

print('ruの逆順 = {}'.format(ru[::-1]))

14 アイテムiに対する評価値

i = 0
print('ru{} = {}'.format(i, ru[i]))

15 ユーザuが未評価であるか否かの判定

print('ユーザuが未評価 = {}'.format(numpy.isnan(ru)))

16 ユーザが評価済みであるか否かの判定

print('ユーザuが評価済み = {}'.format(~numpy.isnan(ru)))

17 ユーザuが評価済みのアイテム集合

Iu = I[~numpy.isnan(ru)]
print('Iu = {}'.format(Iu))

18 ユーザuが「好き」と評価したアイテム集合

Iup = I[ru == 1]
print('Iu+ = {}'.format(Iup))

19 ユーザuが「嫌い」と評価したアイテム集合

Iun = I[ru == -1]
print('Iu- = {}'.format(Iun))

20 ユーザuが未評価のアイテム集合

Iu_not = I[numpy.isnan(ru)]
print('Iu_not = {}'.format(Iu_not))

21 訓練データ

DuL = Du[Iu]
print('DuL = \n{}'.format(DuL))

22 訓練事例数

print('|DuL| = {}'.format(DuL.shape[0]))

23 正事例数

print('|DuL+| = {}'.format(DuL[DuL[:,2]==1].shape[0]))

24 負事例数

print('|DuL-| = {}'.format(DuL[DuL[:,2]==-1].shape[0]))

25 予測対象データ

DuU = Du[Iu_not]
print('DuU = \n{}'.format(DuU))

26 予測対象事例数

print('|DuU| = {}'.format(DuU.shape[0]))

おわりに

次回は２章できたらと思っています。