質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

5209閲覧

類似度が高い上位20人を抽出する部分の書き方がわからない

退会済みユーザー

退会済みユーザー

総合スコア0

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2017/06/13 00:38

レコメンドシステムを作りたいのですが、類似度が高い上位20人を抽出する部分の書き方がわかりません。
全体のコードが

from __future__ import print_function import pandas as pd import numpy as np import matplotlib.pyplot as plt import scipy.spatial as sp import scipy.sparse as sparse from sklearn.decomposition import NMF, TruncatedSVD data = pd.read_csv('user_topic_follow_dummy.csv', encoding='utf8') data.drop_duplicates(keep='last', inplace=True) data.head() data['rating'] = 1.0 rating_matrix = data.pivot(index='user_id', columns='topic_name', values='rating') rating_matrix.fillna(0, inplace=True) topic_list = np.array(rating_matrix.columns) user_list = np.array(rating_matrix.index) rating_matrix_ar = np.array(rating_matrix) print(data[data['user_id'] == user_list[0]]) already_followed_topic =np.array(data[data['user_id'] == user_list[0]]['topic_name']) def get_cosine_similarity(x, y): return 1- sp.distance.cosine(x, y) #ジャッカード係数 def get_jaccard_similarity(x, y): return 1 - sp.distance.jaccard(x, y) user_similarity = [] target_user_row = rating_matrix_ar[0] for row in rating_matrix_ar: sim = get_jaccard_similarity(target_user_row, row) user_similarity.append(sim) user_similarity = np.array(user_similarity) #類似度が高い上位20人を抽出 topN = 20 idx = user_similarity.argsort()[::-1][1:topN+1] selected_user_similarity = user_similarity[idx] selected_rating = rating_matrix_ar[idx] #平均類似度を計算 avg_score = [] for col_idx in range(selected_rating.shape[1]): weight_score = sum(selected_rating[:, col_idx] * selected_user_similarity) similarity_sum =sum(selected_user_similarity[selected_user_similarity > 0]) avg_score.append(weight_score / similarity_sum) avg_score = np.array(avg_score) #平均類似度の高い上位5テーマを表示 recommend_num = 5 counter = 0 for recommended_topic in topic_list[avg_score.argsort()[::-1]]: if recommended_topic not in already_followed_topic: print(recommended_topic) counter += 1 if recommend_num <= counter: break

argsort関数は昇順にソートしたインデックスの配列を返すし、[::-1]というスライスの書き方を使って降順にしているのはわかります。
でもその結果を

selected_user_similarity = user_similarity[idx] selected_rating = rating_matrix_ar[idx]

の両方に入れている点がわかりません。
どうして違う変数に、インデックスに同じものを入れた違う配列を入れているのでしょうか?また、どうして

topN = 20 idx = user_similarity.argsort()[::-1][1:topN+1] selected_user_similarity = user_similarity[idx] selected_rating = rating_matrix_ar[idx]

ここの部分で類似度が高い上位20人を抽出できるのでしょうか?

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

yoorwm

2017/06/13 00:55

コメントがあるのに、そのコメントに対して質問をしている、という事は、ご自身で書いたコードではなくて、どこかから引用されたのでしょうか?引用をした場合は、引用元の情報があるべきかと思います。
guest

回答1

0

ベストアンサー

式を分解すると分かりやすいです。

idx = user_similarity.argsort()[::-1] ではリストを逆順=類似している順にならべて
idx = idx[1:topN+1] で先頭=[0]=自分を除くtopN人の行番号を抽出しています。

参考:[python] スライスでリバース!!

また、
selected_user_similarity = user_similarity[idx] はtopN人の各類似度
selected_rating = rating_matrix_ar[idx]はtopN人の各アイテム?リストを表しています。

これらの変数は、後の#平均類似度を計算で利用しています。
なお、mlbook/chapter05/レコメンデーション入門.ipynbに分かりやすい説明が書いています。

捕捉

この手のコードの意味を訪ねる質問は、質問者がコードの意味をある程度把握しており、なおかつ第三者が動作を確認できる(動く)コードを提示しないと、回答得られにくいです。

フリーライブラリで学ぶ機械学習入門 サンプルコード

投稿2017/06/13 05:34

can110

総合スコア38233

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問