我有一個用戶“首選項(xiàng)”表的數(shù)據(jù)集，該表的一個實(shí)例如下所示：print(user_normalized[1].reshape(1, -1).shape)print(user_normalized[1].reshape(1, -1))___________________________________________________________________(1, 20)[[0. 0.00239107 0.00131709 0. 0.00355872 0.00212352 0.00300639 0.00044287 0.001469 0.00358637 0.01520913 0. 0. 0. 0.00174978 0.00237691 0.0026616 0.00241604 0. 0. ]]這給了我第一個用戶的偏好向量。我有電影內(nèi)容表的數(shù)據(jù)集：print(movie_content.shape)print(movie_content)___________________________________________________________________(27278, 20)[[1 0 0 ... 0 0 0] [1 0 0 ... 0 0 0] [0 0 0 ... 0 0 0] ... [0 0 0 ... 0 0 0] [0 0 1 ... 0 0 0] [1 0 0 ... 0 0 0]]我正在嘗試獲取用戶偏好向量和電影內(nèi)容表的點(diǎn)積，以便找到最優(yōu)惠的電影（余弦相似度）：distances = np.dot(user_normalized[1], movie_content)但這給了我以下錯誤：ValueError: shapes (1,20) and (27278,20) not aligned: 20 (dim 1) != 27278 (dim 0)為了找到最優(yōu)惠的電影，找到距離度量的正確方法是正確的嗎？如果是代碼有什么問題？
2 回答
偶然的你
TA貢獻(xiàn)1841條經(jīng)驗(yàn) 獲得超3個贊
使用user_normalized(?user_normalized.T) 的轉(zhuǎn)置將適用于更多維。
所以，簡短的回答是：使用
distances?=?np.dot(movie_content,?user_normalized.T)
更復(fù)雜的答案是，點(diǎn)積僅針對兩個矩陣定義X，并且Y如果第二個維度與X第一個維度匹配Y，即X具有形狀(M, N)和Y形狀(N, D)。點(diǎn)積的結(jié)果是一個維度為 的新矩陣(M, D)。
在您的情況下，您有一個(27278, 20)矩陣和一個(1, 20)矩陣。轉(zhuǎn)置將(1, 20)矩陣變成(20, 1)矩陣，從而滿足點(diǎn)積的條件。最終結(jié)果是一個(27278, 1)矩陣，其中每個單元格包含第 N 部電影和第 D 個用戶的乘積。
DIEA
TA貢獻(xiàn)1820條經(jīng)驗(yàn) 獲得超3個贊
您需要將矢量重塑為(-1, 1).?如果要取兩個形狀數(shù)組的點(diǎn)積(m, k)，(t, n)則k必須等于t.?由于在 numpy 中沒有向量的概念，你基本上有一個形狀數(shù)組(27278, 20)(movie_content) 和另一個形狀數(shù)組(1, 20)(user_normalized)。為了能夠獲取點(diǎn)積，您必須重塑 user_normalized 數(shù)組的形狀，(20, 1)使 movie_content 和 user_normalized 數(shù)組“對齊”（numpy 喜歡這樣稱呼它）作為dot產(chǎn)品。
因此，您的代碼看起來像
import?numpy?as?np distances?=?np.dot(movie_content,?user_normalized[1].reshape(-1,?1))
添加回答
舉報
0/150
提交
取消