Jester5k 数据集推荐系统模型预测R语言实现

1. 推荐系统：recommenderlab包整体思路

recommenderlab包提供了一个可以用评分数据和0-1数据来发展和测试推荐算法的框架。
它提供了几种基础算法，并可利用注册机制允许用户使用自己的算法
recommender包的数据类型采用S4类构造。

（1）评分矩阵数据接口：使用抽象的raringMatrix为评分数据提供接口。raringMatrix采用了很多类似矩阵对象的操作，如 dim(),dimnames() ,rowCounts() ,colMeans() ,rowMeans(),colSums(),rowMeans()；也增加了一些特别的操作方法，如sample()，用于从用户（即，行）中抽样，image()可以生成像素图。raringMatrix的两种具体运用是realRatingMatrix和binaryRatingMatrix,分别对应评分矩阵的不同情况。其中realRatingMatrix使用的是真实值的评分矩阵，存储在由Matrix包定义的稀疏矩阵（spare matrix）格式中；binaryRatingMatrix使用的是0-1评分矩阵，存储在由arule包定义的itemMatrix中。

（2）存储推荐模型并基于模型进行推荐。类Recommender使用数据结构来存储推荐模型。创建方法是：Rencommender(data=ratingMatrix,method,parameter=NULL)，返回一个Rencommender对象object，可以用来做top-N推荐的预测：
predict(object,newdata,n,type=c(‘topNlist,ratings’),…)

（3）使用者可以利用registry包提供