-
Notifications
You must be signed in to change notification settings - Fork 0
/
Book Recommender System.py
562 lines (405 loc) · 25 KB
/
Book Recommender System.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
# -*- coding: utf-8 -*-
"""FinalMLT.ipynb
Automatically generated by Colaboratory.
Original file is located at
https://colab.research.google.com/drive/1g2ZkSB2UbTA3GZbqttUd4hJYKgI0Ec7J
# **Machine Learning Terapan Final Project**
**Book Recommendation System**
Proyek ini berupa sistem rekomendasi buku dengan tujuan akhir yaitu mampu merekomendasikan buku kepada pengguna.
Secara umum, sistem rekomendasi adalah algoritma yang ditujukan untuk menyarankan item yang relevan kepada pengguna (item seperti film untuk ditonton, buku untuk dibaca, produk untuk dibeli, atau apa pun tergantung pada industri).
Dalam proyek ini, item yang disarankan adalah buku untuk dibaca dengan rincian dataset sebagai berikut :
1. *Users*
Berisi data pengguna.
- ID pengguna (User-ID) telah dianonimkan dan dipetakan ke bilangan bulat.
- Data demografis (Lokasi, Usia) jika tersedia. Jika tidak, bidang ini berisi nilai NULL.
2. *Books*
Berisi data buku.
- ISBN. ISBN yang tidak valid telah dihapus dari dataset.
- Judul Buku, Penulis Buku, Tahun Penerbitan, Penerbit, diperoleh dari Amazon Web Services. Dalam kasus beberapa penulis, hanya nama yang pertama disediakan.
- Gambar. URL yang tertaut ke gambar sampul juga diberikan (Image-URL-S, Image-URL-M, Image-URL-L), yaitu kecil, sedang, besar. URL ini mengarah ke situs web Amazon.
3. *Ratings*
Berisi informasi *rating* buku.
- *Rating (Book-Rating)* bersifat eksplisit, dinyatakan dalam skala 1-10 (nilai yang lebih tinggi menunjukkan apresiasi yang lebih tinggi) atau implisit, yang dinyatakan dengan 0.
https://www.kaggle.com/arashnic/book-recommendation-dataset
# Dataset
Langkah pertama adalah mengimpor dataset yang dibutuhkan. Dataset yang ada, bisa kita upload terlebih dahulu ke Google Drive agar lebih mudah diakses jika menggunakan device yang berbeda karena berbasis cloud.
"""
# Import the Dataset
from google.colab import drive
drive.mount('/content/drive')
"""Mengekstrak dataset dari bentuk zip"""
# Extracting the Dataset
import zipfile,os
local_zip = '/content/drive/MyDrive/Dicoding/ML Final/Book Recommendation Dataset.zip'
zip_ref = zipfile.ZipFile(local_zip, 'r')
zip_ref.extractall('/tmp')
zip_ref.close()
"""Berikutnya adalah mengimpor libraries yang dibutuhkan"""
# Commented out IPython magic to ensure Python compatibility.
# Importing Libraries
import numpy as np
import pandas as pd
from contextlib import contextmanager
from sklearn.neighbors import NearestNeighbors
from scipy.spatial.distance import correlation
from scipy.spatial.distance import correlation, cosine
from sklearn.metrics.pairwise import pairwise_distances
import ipywidgets as widgets
from IPython.display import display, clear_output
import os, sys
import re
from sklearn.metrics import mean_squared_error
from math import sqrt
# %matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
import missingno as mno
import warnings
warnings.filterwarnings("ignore")
"""Selanjutnya adalah memuat dataset, yaitu Books, Ratings, dan Users"""
# Load the dataset
Books = pd.read_csv('/content/drive/MyDrive/Dicoding/ML Final/Books.csv', low_memory=False)
ratings = pd.read_csv('/content/drive/MyDrive/Dicoding/ML Final/Ratings.csv', low_memory=False)
users = pd.read_csv('/content/drive/MyDrive/Dicoding/ML Final/Users.csv', low_memory=False)
"""# Preliminary Exploration
Setelah mendapatkan dataset, selanjutnya mengekplorasi data terlebih dahulu untuk mendapatkan info mengenai data
"""
# Data Preliminary Exploration
Books.info()
"""Dari data diatas terlihat bahwa dataset Books berisi ISBN, Judul buku, Penulis, Tahun terbit, Penerbit, dan Image"""
ratings.info()
"""Dari data diatas terlihat bahwa dataset Ratings berisi User-ID, ISBN, dan Rating buku"""
users.info()
"""Dari data diatas terlihat bahwa dataset Users berisi User-ID, Lokasi, dan Umur pengguna
Selanjutnya adalah melihat isi dataset
"""
Books.head()
"""# Exploratory Data Analysis"""
Books.columns = ['ISBN', 'BookTitle', 'BookAuthor', 'YearOfPublication', 'Publisher', 'ImageUrlS', 'ImageUrlM', 'ImageUrlL']
ratings.columns = ['userID', 'ISBN', 'Book-Rating']
users.columns = ['userID', 'Location', 'Age']
"""Menghapus kolom yang tidak diperlukan dalam analisis, yaitu image"""
# Dropping last three columns containing image URLs which will not be required for analysis
Books.drop(['ImageUrlS', 'ImageUrlM', 'ImageUrlL'],axis=1,inplace=True)
"""Mengecek apakah ada missing value. Dari hasil diabawah terlihat bahwa tidak ada missing value d dataset Books"""
# Visualize the missing values in the Books
mno.matrix(Books)
"""
Selanjutnya adalah mengecek apakah ada baris data yang terduplikat pada data Books. Dan dari 217360 baris data terlihat tidak ada baris yang terduplikat"""
# Checking the existence of duplicated rows
Books.duplicated().sum()
""" Kita bisa memvisualisasikan penerbit teratas yang paling banyak menerbit buku. Dibawah ini adalah diagram 7 Penerbit Teratas """
# Plotting top publisher
top_publisher=(Books['Publisher'].value_counts()).to_dict()
count= pd.DataFrame(list(top_publisher.items()),columns = ['c','count'])
a = count.sort_values(by=['count'], ascending = False)
a.head(7)
labels = 'Harlequin','Silhouette','Pocket','Ballantine Books','Bantam Books','Scholastic','Simon & Schuster'
sizes = [count['count'].iloc[0],count['count'].iloc[1],count['count'].iloc[2],count['count'].iloc[3],count['count'].iloc[4],
count['count'].iloc[5],count['count'].iloc[6]]
explode = (0.1, 0.1, 0.1, 0.1,0.1, 0.1,0.1 )
fig1 , ax1 = plt.subplots(figsize=(7,7))
ax1.pie(sizes,
explode = explode,
labels = labels,
autopct = '%1.1f%%',
shadow = True,
startangle = 0)
plt.title("Top 7 Publishers With the Most Books")
ax1.axis ('equal')
plt.show()
b = count.sort_values(by=['count'], ascending = False)
b = b.head(20)
x =['Harlequin','Silhouette','Pocket','Ballantine Books','Bantam Books','Scholastic','Simon & Schuster']
y = [7537,4220,3905,3783,3646,3160,2971]
fig=plt.figure(figsize=(10,7))
ax = sns.barplot(x = 'count',y = 'c' , data = b)
ax.set_xticklabels(ax.get_xticklabels(), rotation=90,horizontalalignment='center')
plt.xlabel("No of Books Published", size=14)
plt.ylabel("Publisher", size=14)
plt.title(" Top 20 Publishers With the Most Books", size=18)
for p in ax.patches:
ax.annotate("%.0f" % p.get_width(), xy=(p.get_width()/2, p.get_y()+p.get_height()/2),
xytext=(5, 0), textcoords='offset points', ha="left", va="center")
plt.show()
"""# Data Preparation
Pada tahap Data Preparation, kita akan menyiapkan data dari masing-masing fitur, yaitu : ISBN, Judul Buku, Penulis, Rating buku, ID pengguna, Penerbit, dan Tahun terbit.
Yang pertama adalah kita menggabungkan kolom ISBN yang ada pada dataset Books dan Ratings. Tujuannya adalah agar memudahkan proses mengolah data dan tidak ada data ISBN terduplikat
"""
# Merging dataframe Books and Ratings
Books_Ratings = pd.merge(Books, ratings, on="ISBN")
"""Sehingga kita menyebutnya sekarang adalah Books_Ratings """
Books_Ratings.head()
"""Selanjutnya adalah tahun terbit.
Kita bisa mengecek terlebih dahulu apakah value dari tahun terbit sudah benar atau belum.
"""
# Checking Year-Of-Publication values
np.set_printoptions(threshold=np.inf)
Books_Ratings['YearOfPublication'].unique()
"""Dari hasil diatas terlihat bahwa ada wrong value, yaitu tahun yang seharusnya berisi angka malah berisikan tulisan (DK Publishing Inc, Gallimard). Selain itu juga ada wrong value yaitu tahun nya berisikan angka '0' dimana seharusnya berisikan 4 digit tahun. Lalu juga ada tahun yang tidak masuk akal yaitu 2024, 2026, 2030, 2037, 2038, dan 2050.
Mari kita selesaikan permasalahan diatas yaitu dengan mengkonversi wrong value tadi ke dalam 4 digit tahun sebagaimana mestinya
"""
# Convert wrong value to int in Year-Of-Publication
index=Books_Ratings.loc[Books_Ratings['YearOfPublication']=='DK Publishing Inc'].index
Books_Ratings.drop(index,inplace=True)
index=Books_Ratings.loc[Books_Ratings['YearOfPublication']=='Gallimard'].index
Books_Ratings.drop(index,inplace=True)
Books_Ratings['YearOfPublication'].unique()
Books_Ratings.YearOfPublication=Books_Ratings.YearOfPublication.astype(np.int32)
# Setting invalid years as NaN
Books_Ratings.loc[(Books_Ratings.YearOfPublication > 2006) | (Books_Ratings.YearOfPublication == 0),'YearOfPublication'] = np.NAN
# Replacing NaNs with mean value of Year-Of-Publication
Books_Ratings.YearOfPublication.fillna(round(Books_Ratings.YearOfPublication.mean()), inplace=True)
"""Setelah memperbaiki value dari tahun terbit, selanjutnya kita bisa melihat apakah tahun nya sudah terisi dengan 4 digit angka dan ternyata sudah berhasil diubah"""
# Recheck
Books_Ratings['YearOfPublication'].unique()
"""Kita juga bisa memvisualisasikan data tahun terbit melalui histogram dari tahun terbit 1970 sampai dengan tahun 2021"""
# Plotting Years of Publication
fig=plt.figure(figsize=(8,5))
y1 = Books_Ratings[Books_Ratings['YearOfPublication'] >= 1970]
y1 = y1[y1['YearOfPublication'] <= 2021]
sns.distplot(y1['YearOfPublication'])
plt.xlabel('Year Of Publication',size=14)
plt.title('Histogram of the Year of Publication',size=16)
plt.show()
"""Dari histogram diatas, tahun paling populer dalam penerbitan buku adalah antara tahun 2000-2005
Fitur selanjutnya adalah rating buku. Rating bersifat eksplisit dinyatakan dalam skala 1-10 (nilai yang lebih tinggi menunjukkan apresiasi yang lebih tinggi) atau implisit, yang dinyatakan dengan 0.
**Ratings Dataset**
"""
ratings['Book-Rating'].unique()
# Checking rows
ratings.head()
# Ratings dataset should have books only which exist in our books dataset, unless new books are added to books dataset
ratings_new = ratings[ratings.ISBN.isin(Books.ISBN)]
ratings = ratings[ratings.userID.isin(users.userID)]
print(ratings.shape)
print(ratings_new.shape)
"""Lalu kita memisahkan rating eksplisit dan implisit karena kita hanya akan menggunakan yang eksplisit (dimulai dari 1) dan bukan implisit (0)"""
# Segragating implicit and explicit ratings datasets
ratings_explicit = ratings_new[ratings_new['Book-Rating'] != 0]
ratings_implicit = ratings_new[ratings_new['Book-Rating'] == 0]
# Checking shapes
print(ratings_new.shape)
print(ratings_explicit.shape)
print(ratings_implicit.shape)
"""Dan kita memvisualisasikan rating buku untuk melihat angka berapa yang sering pengguna berikan dalam menilai buku"""
print(ratings.shape)
print(ratings_explicit.shape)
print(ratings_implicit.shape)
plt.style.use('fivethirtyeight')
plt.figure(figsize=(8, 6))
sns.countplot(data=ratings_explicit , x='Book-Rating', palette='magma')
"""Selanjutnya kita mengidentifikasi data Users
**Users Dataset**
"""
users.head()
"""Terlihat di bagian 'Age' masih ada missing value. Kita akan melihat lebih jauh data umur dari pengguna"""
users['Age'].unique()
"""Dari hasil diatas, ternyata selain NaN, ada juga umur yang kurang masuk akal yaitu dibawah 5 tahun dan diatas 90 tahun bahkan sampai umur 200an tahun. Maka seperti tahun terbit tadi, kita akan mengubah nya menjadi NaN dan kemudian NaN akan diubah menjadi nilai rata-rata dari Age. """
# Setting invalid Age as NaN
users.loc[(users.Age < 5) | (users.Age > 90),'Age'] = np.NAN
# Replacing NaNs with mean value of Age
users.Age.fillna(round(users.Age.mean()), inplace=True)
users.Age=users.Age.astype(np.int32)
# Recheck Age
users['Age'].unique()
"""Dari hasil diatas, data Umur sudah terlihat lebih bagus dan masuk akal
# Data Modelling
Pada pemodelan, kita akan menggunakan metode Collaborative Filtering dengan pendekatan Item Based dan User Based menggunakan algoritma K-Nearest Neighbors
**Collaborative Filtering Based Recommendation System**
Setelah data sudah selesai dipersiapkan, maka selanjutnya adalah memasuki proses pemodelan.
Selanjutnya kita menggunakan Collaborative Filtering dengan algoritma K-Nearest Neighbours. Algoritma KNN menggunakan ‘kesamaan fitur’ untuk memprediksi nilai dari setiap data yang baru. Dengan kata lain, setiap data baru diberi nilai berdasarkan seberapa mirip titik tersebut dalam set pelatihan.
Karena data buku nya sangat banyak dan bisa mempengaruhi kinerja model, maka kita perkecil ruang lingkup dengan memakai variabel rating explicit yang sudah kita definisikan di Data Preparation tadi. Ruang lingkup nya yaitu rating explicit dari pengguna yang sudah memberikan rating terhadap minimal 100 buku serta buku yang sudah dirating sebanyak minimal 200 kali, sehingga ruang lingkup nya menjadi lebih kecil untuk melatih model
"""
counts_new = ratings_explicit['userID'].value_counts()
ratings_explicit = ratings_explicit[ratings_explicit['userID'].isin(counts_new[counts_new >= 100].index)]
counts = ratings_explicit['Book-Rating'].value_counts()
ratings_explicit = ratings_explicit[ratings_explicit['Book-Rating'].isin(counts[counts >= 200].index)]
"""Selanjutnya adalah membuat matriks rating dari rating explicit dan mengatasi NaN values"""
matrix_ratings = ratings_explicit.pivot(index='userID', columns='ISBN', values='Book-Rating')
userID = matrix_ratings.index
ISBN = matrix_ratings.columns
print(matrix_ratings.shape)
matrix_ratings.fillna(0, inplace = True)
matrix_ratings = matrix_ratings.astype(np.int32)
matrix_ratings.head()
"""Menentukan variabel global dimana parameter k kita beri nilai 10 """
global metric,k
k=10
metric='cosine'
"""**User Based Recommendation System**
Pada model KNN ini, kita memakai 2 pendekatan yaitu User based dan Item based. User based adalah pendekatan yang menghasilkan rekomendasi dari pengguna lain yang memiliki selera yang sama.
Dengan menggunakan algortime "brute" untuk mencari tetangga terdekat dan mengepaskan model dengan mencari kesamaannya kepada buku serupa yang sudah diberi rating untuk direkomendasikan kepada pengguna.
"""
def findksimilarusers(user_id, ratings, metric = metric, k=k):
similarities=[]
indices=[]
model_knn = NearestNeighbors(metric = metric, algorithm = 'brute')
model_knn.fit(ratings)
loc = ratings.index.get_loc(user_id)
distances, indices = model_knn.kneighbors(ratings.iloc[loc, :].values.reshape(1, -1), n_neighbors = k+1)
similarities = 1-distances.flatten()
return similarities,indices
"""Selanjutnya adalah kita mencoba mencari prediksi rating dari sebuah buku kepada pengguna. Matriks rating yang tadi sudah kita buat akan digunakan dalam training prediksi ini. Format nya adalah User ID, Item ID (buku) dan prediksi rating. Dimana matriks nya tadi juga didesain serupa, yaitu User ID, nomor ISBN, dan rating buku. Sehingga dengan memanfaatkan matriks rating tersebut kita bisa memprediksi rating buku. """
def predict_userbased(user_id, item_id, ratings, metric = metric, k=k):
prediction=0
user_loc = ratings.index.get_loc(user_id)
item_loc = ratings.columns.get_loc(item_id)
similarities, indices=findksimilarusers(user_id, ratings,metric, k)
mean_rating = ratings.iloc[user_loc,:].mean()
sum_wt = np.sum(similarities)-1
product=1
wtd_sum = 0
for i in range(0, len(indices.flatten())):
if indices.flatten()[i] == user_loc:
continue;
else:
ratings_diff = ratings.iloc[indices.flatten()[i],item_loc]-np.mean(ratings.iloc[indices.flatten()[i],:])
product = ratings_diff * (similarities[i])
wtd_sum = wtd_sum + product
if prediction <= 0:
prediction = 1
elif prediction >10:
prediction = 10
prediction = int(round(mean_rating + (wtd_sum/sum_wt)))
print ("Predicted rating for user {0} -> item {1}: {2}".format(user_id,item_id,prediction))
return prediction
"""Dari hasil dibawah terlihat bahwa buku ber-ISBN : 0060938455 diprediksi rating nya kepada pengguna dengan User ID 105979 dan 11676, masing-masing 1 dan 2. Semakin besar hasil prediksi rating diharapkan bisa menjadi rekomendasi kepada pengguna."""
predict_userbased(105979,'0060938455',matrix_ratings);
predict_userbased(11676,'0060938455',matrix_ratings);
"""**Item Based Recommendation System**
Pendekatan selanjutnya adalah dengan Item Based. Item based filtering bekerja dengan cara menghitung kesamaan antara masing-masing item. Jika user based adalah rekomendasi berdasarkan kesamaan pengguna, maka item based adalah rekomendasi berdasarkan kesamaan item.
Kita akan melakukan hal yang sama seperti pada user based yaitu mencari kesamaan (similarities).
"""
def findksimilaritems(item_id, ratings, metric=metric, k=k):
similarities=[]
indices=[]
ratings=ratings.T
loc = ratings.index.get_loc(item_id)
model_knn = NearestNeighbors(metric = metric, algorithm = 'brute')
model_knn.fit(ratings)
distances, indices = model_knn.kneighbors(ratings.iloc[loc, :].values.reshape(1, -1), n_neighbors = k+1)
similarities = 1-distances.flatten()
return similarities,indices
"""Kita akan menguji dengan mencari kesamaan pada item yang memiliki ISBN 0060938455"""
similarities,indices=findksimilaritems('0060938455',matrix_ratings)
"""Selanjutnya kita nenbuat prediksi dengan menggunakan matriks rating yang kita buat tadi dan item ID (nomor ISBN). Format prediksi nya sama seperti tadi yaitu User ID, nomor ISBN, dan prediksi rating. Perbedaan dalam mencari prediksi rating dari user based dan item based adalah dalam user based, prediksi rating yang diberikan juga dipengaruhi oleh nilai rating dikurangi rata-rata rating karena untuk mencari item yang direkomendasikan, user based mengambil data rata-rata dari pengguna lain yang memberikan rating pada buku. Sedangkan pada item based hanya dipengaruhi oleh rating buku karena lebih berfokus pada kesamaan item."""
def predict_itembased(user_id, item_id, ratings, metric = metric, k=k):
prediction= wtd_sum =0
user_loc = ratings.index.get_loc(user_id)
item_loc = ratings.columns.get_loc(item_id)
similarities, indices=findksimilaritems(item_id, ratings)
sum_wt = np.sum(similarities)-1
product=1
for i in range(0, len(indices.flatten())):
if indices.flatten()[i] == item_loc:
continue;
else:
product = ratings.iloc[user_loc,indices.flatten()[i]] * (similarities[i])
wtd_sum = wtd_sum + product
prediction = int(round(wtd_sum/sum_wt))
if prediction <= 0:
prediction = 1
elif prediction >10:
prediction = 10
print ("Predicted rating for user {0} -> item {1}: {2}".format(user_id,item_id,prediction))
return prediction
"""Kita akan mencoba Item Based dengan ISBN yang sama digunakan tadi dan dengan user ID yang sebelumnya jga kita gunakan dengan masing-masing prediksi rating 1 dan 9. """
predict_itembased(105979,'0060938455',matrix_ratings);
predict_itembased(11676,'0060938455',matrix_ratings);
@contextmanager
def suppress_stdout():
with open(os.devnull, "w") as devnull:
old_stdout = sys.stdout
sys.stdout = devnull
try:
yield
finally:
sys.stdout = old_stdout
"""Selanjutnya adalah memberikan rekomendasi kepada user berdasarkan pendekatan User based atau Item based.
Pada dasarnyya ini adalah satu model yaitu KNN namun menggunakan 2 pendekatan yang berbeda tergantung kebutuhan. Jika ingin memberikan rekomendasi berdasarkan apa buku yang juga dibaca oleh orang lain, maka menggunakan User based. Namun jika ingin mencari buku yang serupa maka menggunakan Item based.
Untuk metrik yang digunakan juga menggunakan 2 metrik yaitu cosine dan correlation. Cosine adalah metrik yang digunakan untuk menghitung kesamaan dalam 2 sampel sedangkan correlation menghitung korelasi antar 2 variabel acak.
"""
def recommendItem(user_id, ratings, metric=metric):
if (user_id not in ratings.index.values) or type(user_id) is not int:
print ("User id should be a valid integer from this list :\n\n {} ".format(re.sub('[\[\]]', '', np.array_str(matrix_ratings.index.values))))
else:
ids = ['Item-based (correlation)','Item-based (cosine)','User-based (correlation)','User-based (cosine)']
select = widgets.Dropdown(options=ids, value=ids[0],description='Select approach', width='1000px')
def on_change(change):
clear_output(wait=True)
prediction = []
if change['type'] == 'change' and change['name'] == 'value':
if (select.value == 'Item-based (correlation)') | (select.value == 'User-based (correlation)') :
metric = 'correlation'
else:
metric = 'cosine'
with suppress_stdout():
if (select.value == 'Item-based (correlation)') | (select.value == 'Item-based (cosine)'):
for i in range(ratings.shape[1]):
if (ratings[str(ratings.columns[i])][user_id] !=0): #not rated already
prediction.append(predict_itembased(user_id, str(ratings.columns[i]) ,ratings, metric))
else:
prediction.append(-1) #for already rated items
else:
for i in range(ratings.shape[1]):
if (ratings[str(ratings.columns[i])][user_id] !=0): #not rated already
prediction.append(predict_userbased(user_id, str(ratings.columns[i]) ,ratings, metric))
else:
prediction.append(-1) #for already rated items
prediction = pd.Series(prediction)
prediction = prediction.sort_values(ascending=False)
recommended = prediction[:10]
print ("As per {0} approach....Following books are recommended...".format(select.value))
for i in range(len(recommended)):
print ("{0}. {1}".format(i+1,Books.BookTitle[recommended.index[i]].encode('utf-8')))
select.observe(on_change)
display(select)
recommendItem(10000, matrix_ratings)
"""Pada tahap ini, jika diimplementasikan hanya akan menggunakan satu pendekatan saja, item based atau user based. Tetapi karena kita ingin melihat perbedaan keduanya kita bisa mencoba pendekatan yang kita mau """
recommendItem(105979, matrix_ratings)
recommendItem(105979, matrix_ratings)
"""Dari hasil diatas sudah terlihat jelas bahwa Item Based dan User Based menghasilkan rekomendasi yang berbeda meskipun menggunakan metrik yang sama karena item based dan user based mencari rekomendasi berdasarkan kebutuhan pengguna. """
recommendItem(105979, matrix_ratings)
"""Sedangkan dari hasil diatas, User based yang menggunakan 2 metrik (cosine dan correlation) memperoleh rekomendasi yang sama.
# Model Evaluation
Pada tahap evaluasi model, kita akan mengevaluasi model KNN dari pendekatan yang kita pilih atas user ID dan ISBN yang sama seperti sebelumnya.
"""
def evaluateRS(ratings):
ids = ['User-based CF (cosine)','User-based CF (correlation)','Item-based CF (cosine)','Item-based CF (correlation)']
approach = widgets.Dropdown(options=ids, value=ids[0],description='Select Approach', width='500px')
n_users = ratings.shape[0]
n_items = ratings.shape[1]
prediction = np.zeros((n_users, n_items))
prediction= pd.DataFrame(prediction)
def on_change(change):
clear_output(wait=True)
with suppress_stdout():
if change['type'] == 'change' and change['name'] == 'value':
if (approach.value == 'User-based CF (cosine)'):
metric = 'cosine'
for i in range(n_users):
for j in range(n_items):
prediction[i][j] = predict_userbased(105979, '0060938455', ratings, metric)
elif (approach.value == 'User-based CF (correlation)') :
metric = 'correlation'
for i in range(n_users):
for j in range(n_items):
prediction[i][j] = predict_userbased(105979, '0060938455', ratings, metric)
elif (approach.value == 'Item-based CF (cosine)'):
for i in range(n_users):
for j in range(n_items):
prediction[i][j] = predict_userbased(105979, '0060938455', ratings)
else:
for i in range(n_users):
for j in range(n_items):
prediction[i][j] = predict_userbased(105979, '0060938455', ratings)
MSE = mean_squared_error(prediction, ratings)
RMSE = round(sqrt(MSE),3)
print ("RMSE using {0} approach is: {1}".format(approach.value,RMSE))
approach.observe(on_change)
display(approach)
evaluateRS(matrix_ratings)
"""Mungkin dikarenakan pada dasarnya hanyalah satu model saja yaitu KNN meskipun menggunakan pendekatan yang berbeda, model hanya bisa dievaluasi dari salah satu pendekatan.
Saya sudah mencoba untuk mengevaluasi Item Based dan User Based namun model mengeluarkan hasil evaluasi hanya pada satu pendekatan saja. Sebaliknya jika saya memilih pendekatan lain, model tetap menghasilkan output evaluasi yang sama pada pendekatan yang dpilih sebelumnya.
"""