2 asked

0

안녕하세요.

코드 확인 결과, 올려주신 코드에 오타가 있네요.

movie_raitngs -> movie_ratings로 수정해서 다시 해보시면 될 것 같습니다.

감사합니다.

-거친코딩 드림-

0

# 사용자 평가 경향을 고려한 함수 #

# full matrix 에서 사용자의 평점 평균을 구한다.

rating_mean = rating_matrix.mean(axis=1)

# 영화 평점과 각 사용자의평균과의 차이 (평점편차)를 구한다.

rating_bias = (rating_matrix.T - rating_mean).T

# 사용자 평가 경향을 고려한 함수

def CF_knn_bias(user_id, movie_id, neighbor_size=0):

if movie_id in rating_bias.columns:

sim_scores = user_similarity[user_id].copy()

movie_ratings = rating_bias[movie_id].copy()

none_rating_idx = movie_ratings[movie_ratings.isnull()].index

movie_ratings = movie_ratings.drop(none_rating_idx) # CF_knn에서는 dropna() 사용했었음

sim_scores = sim_scores.drop(none_rating_idx)

if neighbor_size==0:

prediction = np.dot(sim_scores, movie_ratings) / sim_scores.sum()

prediction = prediction + rating_mean[user_id]

else:

if len(sim_scores) > 1:

neighbor_size = min(neighbor_size, len(sim_scores))

sim_scores = np.array(sim_scores)

movie_raitngs = np.array(movie_ratings)

user_idx = np.argsort(sim_scores)

sim_scores = sim_scores[user_idx][-neighbor_size:]

movie_ratings = movie_ratings[user_idx][-neighbor_size:]

prediction = np.dot(sim_scores, movie_ratings) / sim_scores.sum()

prediction = prediction + rating_mean[user_id]




else:

prediction = rating_mean[user_id]

else:

prediction = rating_mean[user_id]




return prediction

score(CF_knn_bias, 30)

CF_knn은 정상 동작합니다!
코드 첨부드리니 한번 확인 부탁드립니다.

감사합니다.

0

안녕하세요.

 CF_knn_bias에서 에러가 난다고 하셨는데,

혹시 동일한 로직을 품고 있던 이전 챕터 CF_knn에서는 해당 에러가 발생하지 않았나요?

해당 부분 한번 확인해보시구

그래도 여전히 에러가 난다면 타이핑 하신 코드를 함께 첨부해주시면 확인해보도록 하겠습니다.

감사합니다.

-거친코딩 드림-