我目前正在使用一个名为LightFM的Python库。但我在将交互数据传递给fit()方法时遇到了问题。
Python版本：3库：http://lyst.github.io/lightfm/docs/lightfm.html
文档说明我应该创建以下类型的稀疏矩阵：interactions (np.float32 coo_matrix of shape [n_users, n_items]) – 矩阵
但我似乎无法使其工作，它总是推荐同样的结果…
更新：无论迭代哪个用户，执行时top_items变量总是显示以下内容，而不显示其他任何项目（如牛肉或沙拉），所以看起来我做错了什么。它每次都输出：[‘Cake’ ‘Cheese’]
这是我的代码：
import numpy as npfrom lightfm.datasets import fetch_movielensfrom lightfm import LightFMfrom scipy.sparse import coo_matriximport scipy.sparse as sparseimport scipy// 用户，项目data = [ [1, 0], [2, 1], [3, 2], [4, 3]]items = np.array(["Cake", "Cheese", "Beef", "Salad"])data = coo_matrix(data)#创建模型model = LightFM(loss='warp')#训练模型model.fit(data, epochs=30, num_threads=2)// 打印训练数据print(data)def sample_recommendation(model, data, user_ids): #训练数据中的用户和项目数量 n_users, n_items = data.shape #为我们输入的每个用户生成推荐 for user_id in user_ids: #模型预测他们会喜欢的项目 scores = model.predict(user_id, np.arange(n_items)) #按从最喜欢到最不喜欢的顺序排列 top_items = items[np.argsort(-scores)] print(top_items)sample_recommendation(model, data, [1,2])回答：
data = coo_matrix(data)这可能不是你想要的；它是data的精确复制。并不是特别稀疏。
data代表什么？
我猜你真正想要的是一个大部分为0的矩阵，而在data表示的坐标处为1。
In [20]: data = [ ...: [1, 0], ...: [2, 1], ...: [3, 2], ...: [4, 3] ...: ]这可能不是你想要的：
In [21]: ds = sparse.coo_matrix(data)In [22]: ds.AOut[22]: array([[1, 0], [2, 1], [3, 2], [4, 3]])再试一次：
In [23]: data=np.array(data)In [24]: ds=sparse.coo_matrix((np.ones(4,int),(data[:,0],data[:,1])))In [25]: dsOut[25]: <5x4 sparse matrix of type '<class 'numpy.int32'>' with 4 stored elements in COOrdinate format>In [26]: ds.AOut[26]: array([[0, 0, 0, 0], [1, 0, 0, 0], [0, 1, 0, 0], [0, 0, 1, 0], [0, 0, 0, 1]])这更符合学习函数的典型输入。
