This repository has been archived by the owner on Mar 29, 2024. It is now read-only.
-
Notifications
You must be signed in to change notification settings - Fork 0
/
tp1-Mougamadou Javid.R
315 lines (231 loc) · 10.5 KB
/
tp1-Mougamadou Javid.R
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
##########################################################################
#Question 1
##########################################################################
#Chargement de la librairie Rcurl
library(RCurl)
#Chargement des données
u.data <- read.csv(text=getURL('http://www.groupes.polymtl.ca/log6304/Tp/20153/u.data.csv', userpwd='20113:20113'), sep='|', header=T)
u.user <- read.csv(text=getURL('http://www.groupes.polymtl.ca/log6304/Tp/20153/u.user.csv', userpwd='20113:20113'), sep='|', header=T)
u.item <- read.csv(text=getURL('http://www.groupes.polymtl.ca/log6304/Tp/20153/u.item.csv', userpwd='20113:20113'), sep='|', header=T)
#Jointure du tableau u.data avec u.user sur la colonne user.id
v.u <- merge(u.data, u.user, by.x='user.id', by.y='id')
#head(v.u)
#Moyenne des votes par Age
(aggregate(v.u$rating,list(v.u$age),mean))
#plot(agg.age$Age,agg.age$rating)
#Moyenne des votes par Profession
(aggregate(v.u$rating,list(v.u$job),mean))
#plot(agg.job$Job,agg.job$rating)
##########################################################################
#Question 2
##########################################################################
# Star Trek V: The Final Frontier (1989) =====> i450
#Chargement de la librairie Matrix
library(Matrix)
#Transformation en matrice (pour certaines opérations) avec les entetes des lignes u et colonnes i
m <- sparseMatrix(u.data[,1],u.data[,2],x=u.data[,3])
m.sparse <- sparseMatrix(u.data[,1],u.data[,2],x=u.data[,3])
rownames(m.sparse) <- paste('u', 1:nrow(m.sparse), sep='')
colnames(m.sparse) <- paste('i', 1:ncol(m.sparse), sep='')
m <- as.matrix(m.sparse)
m.sparse<-m
m.sparse[m.sparse==0] <- NA
#Tranposition de la matrice
tm = t(m)
## Calculs avec le cosinus
(num <- (tm[450,] %*% t(tm[-450,]))) # numerateurs de chaque poids
(denom <- sqrt(sum(tm[450,]^2)) * sqrt(rowSums(tm[-450,]^2))) # denominateurs
(wcos <- num/denom) #Cosinus entre i450 et les autres i
#Determination de la valeur seuil entre les 10 premier film les plus similaires
(seuil <- sort(wcos,decreasing = TRUE)[10])# Tri Decroissant + Filtre les 10 valeurs
#Recupere les 10 premiers indices des 10 films les plus similaires
(similaire <- which(wcos >= seuil))
#Recuperation des noms des 10 films les plus similaires
u.item[similaire,2]
##Calcul avec la corrélation
#Determination de la corelation entre i450 et les autres
tm.na = tm
tm.na[tm==0]=NA
wcov = cor(t(tm.na),tm.na[450,],use="pairwise.complete.obs")
#Determination de la valeur seuil entre les 10 premier film les plus similaires
(seuil <- sort(wcov,decreasing = TRUE)[10])
#Recupere les 10 premiers indices des 10 films les plus similaires
(similaire <- which(wcov >= seuil))
#Recuperation des noms des 10 films les plus similaires
u.item[similaire,2][1:10]
##########################################################################
#Question 3
##########################################################################
#Fonctions utiles
min.nindex = function(m,n=5){
i = order(m)
return (i[1:n])
}
max.nindex = function(m,n=5){
i = order(m,decreasing = TRUE)
return (i[1:n])
}
#Calcul de la distance euclidienne
distance.450 = sqrt(colSums((m[,450] - m)^2))
# Calcul des votes communs
votes.communs <- (tm[450,]>0) %*% t(tm>0)
# Utilisateurs qui ont voté pour le film 450
uservoted = tm[450,]!="0"
# Utilisateurs qui n'ont pas voté pour le film 450
usernotvoted = tm[450,]=="0"
# On recupère les 40 voisins les plus proches de i450
i.distance.450 = min.nindex(distance.450,40)
# Verification des votes communs entre voisins
votes.communs[i.distance.450]
# Selection des voisins qui n'ont pas de votes en communs (0 ou 1)
i.nonfiable <- which(votes.communs[i.distance.450] <= 1)
# Selection des 20 voisins fiable qui ont aux moins 2 votes en communs
i.distance.450.fiable = i.distance.450[-i.nonfiable]
i.voisins.450 = i.distance.450.fiable[-1]
votes.communs[i.voisins.450]
# Calcul de la matrice centrée
(v.i <- rowMeans(tm[i.voisins.450,]))
(tm.centre <- tm[i.voisins.450,] - v.i)
# Calcul du cosinus
(num <- (tm[450,] %*% t(tm[i.voisins.450,]))) # numerateurs de chaque poids
(denom <- sqrt(sum(tm[450,]^2)) * sqrt(rowSums(tm[i.voisins.450,]^2))) # denominateurs
(wcos <- num/denom) #Cosinus entre i450 et les autres i
# Estimation du vote sur la base des voisins choisis
vote.estimation = mean(tm[450,uservoted]) + 1/sum(abs(wcos)) * (wcos %*% tm.centre)
# Visualisation des estimations de votes
table(vote.estimation)
##########################################################################
#Question 4
##########################################################################
# Nombre d'utilisateur ayant voté pour le film i450
n = sum(uservoted)
# Calcul de l'erreur quadratique RMSE
rmse = sqrt(sum((tm[450,uservoted] - vote.estimation[uservoted])^2)/n)
##########################################################################
##########################################################################
#Question 5 (Version Revisé du chargé de TP Peng Xu)
##########################################################################
##########################################################################
# Recuperation des indices des films de Star Trek et de Star Wars
indices.star.trek = grep("trek", as.character(u.item$movie.title), ignore.case=T)
u.item$movie.title[indices.star.trek]
indices.star.wars = c(172,181)
u.item$movie.title[indices.star.wars]
indices.star = c(indices.star.trek,indices.star.wars)
# Creation du nouvel utilisateur
newuser = rep.int(0, 1682)
newuser[indices.star.trek] = 5
newuser[indices.star.wars] = 1
# Calcul de la distance euclidienne
# First, calculate the distance by using m.sparse, thus only 10 columns are used for calculation
newuser.distance = sqrt(rowSums(t(t(m.sparse[,indices.star])-newuser[indices.star])^2,na.rm=TRUE))
# Find the number of common votes for each user
votes.communs <- (newuser>0) %*% t(m > 0)
# Set all the distance of users with no common votes to be NA
newuser.distance[votes.communs==0] <- NA
# Obtain the 20 neighbours for newUser
newuser.voisins <- min.nindex(newuser.distance,20)
# Calculate the cosine value
# This part remains the same
num <- newuser %*% t(m[newuser.voisins, ])
denom <- sqrt(sum(newuser ^ 2)) * sqrt(rowSums(m[newuser.voisins, ]^2))
wcos <- num/denom
# Calculate the predicted votes
# Pay attention here, this part is where the errors come from.
# Obtain the rowMeans, notice that we should use m.sparse
v.i <- rowMeans(m.sparse[newuser.voisins, ], na.rm=T)
# Centering
m.centre <- (m.sparse[newuser.voisins,]) - v.i
# Assign all the NA values to be 0
m.centre[is.na(m.centre)] <- 0
# Average vote of the newUser
u.average <- mean(newuser[indices.star])
# Apply the user-user formula
vote.estimation.newuser <- u.average + 1/sum(abs(wcos)) * (wcos %*% m.centre)
# Have a look at the result
hist(vote.estimation.newuser)
# Remove the dim attribute of vote.estimation.newUser
dim(vote.estimation.newuser)<-NULL
# Combine relavant information in a dataframe
result<-data.frame("id" = u.item$movie.id,
"title" = u.item$movie.title,
"Prediction" = vote.estimation.newuser)
# Remove the items which the newUser has already rated
result<-result[-indices.star,]
# Final recommendation
recommend<-head(result[order(result$Prediction,decreasing=T),],10)
recommend
# Check the common votes of these movies
m.sparse[newuser.voisins,recommend$id]
##########################################################################
#Question 6
##########################################################################
# Fonctions utiles
neg = function(p) {1-p }
Odds = function(p) { p/(1-p) }
OddsToP = function(o) { o/(1+o) }
ratio.chances = function(rating.vec,seuil=3){
sum(rating.vec > seuil)/(1+sum(rating.vec <= seuil && rating.vec >0))
}
# Jointure entre u.user et u.date
mx = merge(u.user,u.data,1)
# Utilisation de notre matrice tm
tm
# I : Vecteur avec le nombre des utilisateurs qui aime le film par film
i = rowSums(tm > 3)
# NI : Vecteur avec le nombre des utilisateurs qui n'aime le film par film
ni = rowSums(tm <= 3 & tm >0)
# O(H) Chances Initiales avec Correction pour eviter les valeurs infini 0/0 ou 1/0
O.h = (1+i) /(1+ni)
# P(H)
P.h = OddsToP(O.h)
# Creation de notre algorithme pour un nouvel utilisateur
algo.newuser.recommandation = function(job,gender,age){
# Recuperation des utilisateurs ayant pour job celui donnée en paramètre
E1.id = mx[mx$job==job,'id']
# Recuperation des utilisateurs sans doublons
E1.id = unique(E1.id)
# P(E_1 |H) : probabilité qu'il aime le film sachant qu'il a le job "job"
E1.like = rowSums(tm[,E1.id] > 3)/(rowSums(tm[,E1.id])+1)
P.E1.like = (E1.like)/(P.h)
# P(E_1 |~H) : probabilité qu'il n'aime le film sachant qu'il a le job "job"
E1.dislike = rowSums((tm[,E1.id] <= 3) & (tm[,E1.id] > 0))/(rowSums(tm[,E1.id])+1)
P.E1.dislike = (E1.dislike)/(neg(P.h))
# Recuperation des utilisateurs ayant pour sexe celui donnée en paramètre
E2.id = mx[mx$gender==gender,'id']
# Recuperation des utilisateurs sans doublons
E2.id = unique(E2.id)
# P(E_2 |H) : probabilité qu'il aime le film sachant qu'il a le sexe "gender"
E2.like = rowSums(tm[,E2.id] > 3)/(rowSums(tm[,E2.id])+1)
P.E2.like = (E2.like)/(P.h)
# P(E_2 |~H) : probabilité qu'il n'aime le film sachant qu'il a le sexe "gender"
E2.dislike = rowSums((tm[,E2.id] <= 3) & (tm[,E2.id] > 0))/(rowSums(tm[,E2.id])+1)
P.E2.dislike = (E2.dislike)/(neg(P.h))
# Recuperation par tranche d'age
# Recuperation des utilisateurs ayant pour age celui donnée en paramètre
if (age=='child') {
E3.id = mx[mx$age<20,'id']
}
else if (age=='young') {
E3.id = mx[mx$age>=20 & mx$age<50,'id']
}
else if (age=='old') {
E3.id = mx[mx$age>=50,'id']
}
# Recuperation des utilisateurs sans doublons
E3.id = unique(E3.id)
# P(E_3 |H) : probabilité qu'il aime le film sachant qu'il a l'age "age"
E3.like = rowSums(tm[,E3.id] > 3)/(rowSums(tm[,E3.id])+1)
P.E3.like = (E3.like)/(P.h)
# P(E_3 |~H) : probabilité qu'il n'aime le film sachant qu'il a l'age "age"
E3.dislike = rowSums((tm[,E3.id] <= 3) & (tm[,E3.id] > 0))/(rowSums(tm[,E3.id])+1)
P.E3.dislike = (E3.like)/(neg(P.h))
# O(H|E_1, E_2) = O(H) \frac{P(E_1 | H)}{P(E_1 | ~H)} * \frac{P(E_2 | H)}{P(E_2 | ~H)}
O.All_E = O.h * ((1 +P.E1.like) /(1+P.E1.dislike)) * ((1 +P.E2.like) /(1+P.E2.dislike)) * ((1 +P.E3.like) /(1+P.E3.dislike))
# Conversion Chance (Odds) to Probabilité
P.All_E = OddsToP(O.All_E)
# Liste des 10 films recommandés par notre algorithme bahésien
(u.item[max.nindex(P.All_E,10),2])
}
# Example to Use
algo.newuser.recommandation('engineer','M','old')