问题标签 [recommenderlab]

嗨，我有一些从 csv 读取的数据，这些数据以二进制形式列出：

str（数据）的屏幕截图

我想获取这些数据的一个子集，其中行向量的总和大于一个数字，比如 10 或 x。第一列是客户 ID 的占位符列，因此需要排除。你对我如何去做这件事有什么建议吗？

我一直在尝试各种各样的事情，df=subset()但我无法让语法正确。

提前致谢。

我正在尝试使用二进制数据构建产品推荐模型。

我的代码有一个问题，我认为这源于我传递函数时源数据的结构如何变化data.matrix=as(df,"binaryRatingMatrix")

我的代码如下：

当我打印 data.matrix 时，它指出2x2 rating matrix of class 'binaryRatingMatrix' with 3 ratings

我期待比这更多的评级，我相信这就是我在通过评估方案传递这些数据时收到错误的原因。

鉴于显示 867 个变量中str()的df139 个 obs 包含零或一 (0 / 1)，我期望 data.matrix 包含远远超过 3 个评级。

任何人都可以帮助解释这里发生了什么，为什么这么多评级在强制df到“binaryRatingMatrix”之间消失？

dput()以下df：

我尝试使用 RecommerderLab 在 R 中使用我的数据集矩阵（ratingmatrix）和相似度矩阵（自定义相似度矩阵）来构建模型。在 Recommender 函数中，我只能将默认相似度函数作为方法参数传递，例如“Cosine”、“Jaccard”。如何使用自己的相似度函数或相似度矩阵来制作如下图所示的模型？我已经创建了我的自定义相似度矩阵。谢谢你。

我正在尝试在R. 数据集如下： https ://drive.google.com/file/d/1FVh-Xg3NBtzKgZHnDTi7IjaATW_fPmW9/view?usp=sharing

现在，如果我们检查每个对象中的评论数量，两者都不匹配

而且评级范围也不匹配：

[1] 0 5

[1] 0 15

我也检查了其他数据集，没有出现问题。

这是我在此的头一篇博文。当谈到 R 时，我是一个新手，所以请记住这一点。我正在使用 CRAN 的推荐实验室库构建推荐系统（基于用户内容的过滤）。

我正在尝试sp_execute_external_script与 SQL Server 2016 一起使用，但无法将结果放入数据帧（存储过程需要）以返回结果。

在那之前一切正常。我尝试过 as.matrix、as.data.frame，使用了多种方法。

这是我的代码：

任何人都可以帮忙吗？

我尝试使用 as.data.frame()、as.matrix() 写入文件，而不是使用 write.table、lapply、writeLines....

谢谢！

我现在正在学习 R，现在正在做关于电影推荐算法的项目。我在推荐实验室库中使用了 movielense 100k 数据，并使用了这些教程。 https://mitxpro.mit.edu/asset-v1%3AMITProfessionalX+DSx+2017_T1+type@asset+block@Module4_CS1_Movies.pdf https://cran.r-project.org/web/packages/recommenderlab/vignettes/recommenderlab .pdf

我现在计算了稀疏性，并将数据拆分为训练数据和测试数据。我想制作人气推荐代码。我的代码在这里：

我使用了data2 realRatingMatrix，但是当我运行最后一行时，会发生这样的错误：

（函数（类，fdef，mtable）中的错误：无法找到签名“整数”的函数“推荐者”的继承方法</p>

有人可以帮我看看有什么问题吗？

我已经使用recommenderlab带有binaryRatingMatrix. 如何查看来自实际数据的所有用户在未知测试集中？

data1在哪里binaryRatingMatrix。我想提取未知集合中的用户列表getData(scheme, "unknown")？

Michael Hahsler 教授recommenderlab编写的很棒的 R 包提供了一个推荐模型，该模型基于从他的另一个 R 包派生的关联规则。arules

recommenderlab可以在此处的另一篇文章中找到根据文档改编的最小示例代码。

学习到的 AR 推荐模型可用于在给定用户 ID 的情况下进行预测/推荐。

我理解预测基本上是首先从训练数据集中挖掘的规则集（R）中找到所有匹配的 LHS。然后推荐支持度/置信度/提升度得分最高的匹配规则中的 N 个唯一 RHS。

所以我的问题是你如何获得匹配的 LHS 规则进行预测？

从源代码中我们可以看到

我设法rule_base通过训练模型访问

但随之而来的另一个问题是，为什么head(unique(unlist(LIST(rhs(sort(model$rule_base[m[,i]], by=sort_measure)), decode=FALSE))), n)不先分组，rhs然后聚合，然后sort_measure再lhs排序？

我想用包的功能评估我的模型Recommenderlab

但我不明白为什么我有这个错误

sample.int(length(x), size, replace, prob) 中的错误：“size”参数无效

我有一个相当简单的推荐问题：我想在 R 中构建一个混合推荐器，在其中我推荐数据集中recommenderlab已经喜欢的电影以及流行电影和一些随机电影。MovieLense

当我训练完模型后，我想使用 userId 为给定用户“预测”电影。Recommenderlab 文档建议，只要用户 ID 在训练数据中，这是可能的。但是，当我尝试使用useridin 进行预测时，newdata会收到以下错误消息：

很公平，我尝试使用向量：

无法真正弄清楚此错误消息的含义。有人知道吗？