我用python编写了我的自定义成对相似性函数,该函数给出了一个特征矩阵X(包含多行特征),并将输出结果作为k返回给给定相似性度量的每个项的最近邻:
def print_pairwise_sim_for_graphlab(X,item_ids,metric,p,knn):
N = len(X)
SI = DI.squareform(DI.pdist(X,metric,p))
q = -1
Y = np.zeros((N*knn,4))
for i in range(0, N):
for k in range(1, knn+1):
q = q + 1
Y[q,0] = item_ids[i]
Y[q,1] = item_ids[np.argsort(SI[i,:])[-k]]
Y[q,2] = np.sort(SI[i,:])[-k]
Y[q,3] = k
return (Y)
我这样称呼它:
^{pr2}$在哪里
LL_features_SCD_min_np
array(
[[-200, -48, -127, ..., 1, 0, 1],
[-199, -38, -127, ..., 0, 0, 1],
[-202, -60, -127, ..., 1, 0, 1],
...,
[-202, -60, -127, ..., 1, 0, 1],
[-198, 56, -120, ..., 1, 0, 1],
[-202, -85, -127, ..., 1, 0, 1]])
输出如下所示
nn_SCD_min =
array([[ 8.90000000e+01, 4.71460000e+04, 1.85300000e+03,
1.00000000e+00],
[ 8.90000000e+01, 8.11470000e+04, 1.84600000e+03,
2.00000000e+00],
[ 8.90000000e+01, 2.20700000e+03, 1.84600000e+03,
3.00000000e+00],
...,
[ 8.24630000e+04, 1.00000000e+03, 1.39300000e+03,
8.00000000e+00],
[ 8.24630000e+04, 5.98930000e+04, 1.39200000e+03,
9.00000000e+00],
[ 8.24630000e+04, 1.48900000e+03, 1.35000000e+03,
1.00000000e+01]])
在Graphlab中,我想使用输出作为graphlab.recommender.item_similarity_recommender.create
的输入。在
我使用如下:
m2 = gl.item_similarity_recommender.create(ratings_5K, nearest_items=nn_SCD_min)
我得到以下错误:
87 _get_metric_tracker().track(metric_name, value=1, properties=track_props, send_sys_info=False)
88
---> 89 raise ToolkitError(str(message))
ToolkitError: Option 'nearest_items' not recognized
我认为错误的主要原因是我的nn_SCD_min
需要作为SFrame导入(这里看起来像一个数组)。nn_SCD_min
有四列。我认为列的标题应该如下:
item_id, similar, score, rank
如何将数组“nn_SCD_min”更改为具有上述四个标头的SFrame
?任何关于我促成这样做的想法都是非常感谢的。在
可以直接从numpy数组创建SFrame。它将有一个数组类型的列。然后您可以
unpack
将其放入一个四列的SFrame中。在相关问题 更多 >
编程相关推荐