Vista previa del material en texto
Algoritmo de recomendación de productos utilizando filtrado colaborativo basado en factorización matricial con la biblioteca Surprise: from surprise import SVD from surprise import Dataset from surprise import accuracy from surprise.model_selection import train_test_split # Cargar los datos en el formato esperado por Surprise data = Dataset.load_builtin('ml-100k') # Dividir los datos en conjunto de entrenamiento y prueba trainset, testset = train_test_split(data, test_size=0.2) # Crear y entrenar el modelo SVD algo = SVD() algo.fit(trainset) # Realizar predicciones predictions = algo.test(testset) # Evaluar el modelo accuracy.rmse(predictions)