def recommendTest2(self): myMat = mat(self.loadExData2()) ## 第一个参数为数据,第二个参数为用户,第三个参数为数量 ## 结果为[(2, 2.5), (1, 2.0243290220056256)],表示用户对第1和2项的估计评分 recommend = Recommend() print recommend.recommend(myMat, 2, 8, recommend.cosSim, recommend.svdEst) print recommend.recommend(myMat, 2, 8, recommend.cosSim, recommend.standEst)
def singleInfoSimilary(self): myMat = mat(self.loadExData()) ## 以下为矩阵行数据的相似度测试 recom = Recommend() print recom.ecludSim(myMat[:, 0], myMat[:, 4]) print recom.cosSim(myMat[:, 0], myMat[:, 4]) print recom.cosSim(myMat[0, :].T, myMat[4, :].T) print recom.pearsSim(myMat[:, 0], myMat[:, 4])
def recommendTest(self): myMat = mat(self.loadExData()) print myMat myMat[0, 1] = myMat[0, 0] = myMat[1, 0] = myMat[2, 0] = 4 myMat[3, 3] = 2 print myMat ## 第一个参数为数据,第二个参数为用户,第三个参数为数量 ## 结果为[(2, 2.5), (1, 2.0243290220056256)],表示用户对第1和2项的估计评分 recommend = Recommend() print recommend.recommend(myMat, 2, 5, recommend.cosSim, recommend.standEst)