Algoritmo de recomendación de productos utilizando filtrado colaborativo basado en factorización matricial con la biblioteca Surprise

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)