NMF概念出现的比较早，差不多在电脑还没有开始繁荣起来，NMF及相关的一些算法已经很成熟了。NMF用在电影推荐、商品推荐也并不是很适合，现在大多使用SVD之类的算法。不过这篇只是学习的记录，有个例子总比枯燥的啃概念好的多。
场景
让我们假设一个场景。
相像当前这个档期，有10部电影正在上映，我们把它们放到一个数组中：item = [ '希特勒回来了', '死侍', '房间', '龙虾', '大空头', '极盗者', '裁缝', '八恶人', '实习生', '间谍之桥',]
放入数组这个动作，等于也把这些电影编了号，从0到9，比如电影《实习生》，编号就是8。
随后我们继续假设我们影院有15个老顾客，同样把它们放置到一个数组：user = ['五柳君', '帕格尼六', '木村静香', 'WTF', 'airyyouth', '橙子c', '秋月白', 'clavin_kong', 'olit', 'You_某人', '凛冬将至', 'Rusty', '噢！你看！', 'Aron', 'ErDong Chen']
他们的编号是0-14。
接着从用户的观影记录中，我们提取每个用户，对每部电影的打分记录。以电影序号为行号，以用户编号为列号，形成一个矩阵：RATE_MATRIX = np.array( [[5, 5, 3, 0, 5, 5, 4, 3, 2, 1, 4, 1, 3, 4, 5], [5, 0, 4, 0, 4, 4, 3, 2, 1, 2, 4, 4, 3, 4, 0], [0, 3, 0, 5, 4, 5, 0, 4, 4, 5, 3, 0, 0, 0, 0], [5, 4, 3, 3, 5, 5, 0, 1, 1, 3, 4, 5, 0, 2, 4], [5, 4, 3, 3, 5, 5, 3, 3, 3, 4, 5, 0, 5, 2, 4], [5, 4, 2, 2, 0, 5, 3, 3, 3, 4, 4, 4, 5, 2, 5], [5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 2, 1, 0], [5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1], [5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2], [5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]])
从矩阵中，我们可以得到这样几个信息：
- 评分是5分制。
- 用户打分是有个人特点的，比如第一列的用户，也就是“五柳君”，喜欢给电影打5分，:),真是个心宽的家伙。
- 用户没有打分的电影，给分就是0。（通常不会出现真的给某部电影打0分的情况）。
分类
我们使用NMF为电影进行主题分类。
这是一个非常典型的非监督学习方式，也就是我们并不指定主题是什么，只知道主题一定是存在的，因此一定会有两个典型的倾向：- 任何一部电影，必然倾向某一种或者几种主题。
- 任意一位观众，必然喜爱某一种或者几种主题。
这里的理解重点是在非监督学习中，我们并不指定主题是什么，但只要你联想一下实际情况就容易理解了，比如可能是“爱情”主题，或者“枪战”主题。
下面代码将使用NMF设定2个关注主题，并通过分类，将电影分类为倾向主题1或者主题2的两类。同时将用户分为喜爱主题1或者喜爱主题2两个分类。nmf_model = NMF(n_components=2) # 设有2个主题item_dis = nmf_model.fit_transform(RATE_MATRIX)user_dis = nmf_model.components_print('用户的主题分布：')print(user_dis)print('电影的主题分布：')print(item_dis) 使用上面的数据集，会得到如下结果：
用户的主题分布：[[0.81240799 0.71153396 0.47062388 0.43807017 1.39456425 2.24323719 1.02417204 1.25356481 1.10517661 1.47624595 1.84626347 0.97437242 1.14921406 0.8159644 1.14200028] [2.23910382 1.70186882 1.34300272 1.09192602 0.68045441 0. 0.0542231 0. 0. 0. 0.04426552 0.12260418 0.34109613 0.51642843 0.6157604 ]]电影的主题分布：[[2.20401687 1.53852775] [1.9083879 0.83214869] [1.95596132 0. ] [1.87637018 1.65573674] [2.48959328 1.41632377] [2.38108536 1.08460665] [0. 2.29342959] [0. 2.27353353] [0. 2.32513876] [0. 2.23196277]]
这些数据非常不利于观察理解。它们代表的概念是，比较接近的值，代表该影片或者该观众属于（或说喜爱）比较接近的主题。
数据可视化
为了观察起来更直观，可以使用绘图的代码把数据显示出来，从而更形象的理解“聚类”。
#显示电影的坐标分布plt1 = pltplt1.plot(item_dis[:, 0], item_dis[:, 1], 'ro')plt1.draw()#直接画出矩阵，只打了点，下面对图plt1进行一些设置plt1.xlim((-1, 3))plt1.ylim((-1, 3))plt1.title(u'the distribution of items (NMF)')#设置图的标题count = 1zipitem = zip(item, item_dis)#把电影标题和电影的坐标联系在一起for item in zipitem: item_name = item[0] data = item[1] plt1.text(data[0], data[1], item_name, fontproperties=fontP, horizontalalignment='center', verticalalignment='top')plt1.show() #显示用户的坐标分布user_dis = user_dis.T #把转置用户分布矩阵plt2 = pltplt2.plot(user_dis[:, 0], user_dis[:, 1], 'ro')plt2.xlim((-1, 3))plt2.ylim((-1, 3))plt2.title(u'the distribution of user (NMF)')#设置图的标题zipuser = zip(user, user_dis)#把电影标题和电影的坐标联系在一起for user in zipuser: user_name = user[0] data = user[1] plt2.text(data[0], data[1], user_name, fontproperties=fontP, horizontalalignment='center', verticalalignment='top')plt2.show()#直接画出矩阵，只打了点，下面对图plt1进行一些设置
以上代码会得到两张图，电影主题分布：
用户倾向主题分布：
从图中可以看到，我们分类比较少，数据也不是很准确，导致分布偏差比较大，但基本上是分成两类的。 电影推荐
采用这种方式，我们指定一个用户名，则可以为该用户推荐他倾向主题的电影。
本例中的数据偏差比较大，所以计算的结果有点没有说服力，仅供参考。filter_matrix = RATE_MATRIX < 1e-8rec_mat = np.dot(item_dis, user_dis)print('重建矩阵，并过滤掉已经看过的电影')rec_filter_mat = (filter_matrix * rec_mat).Tprint(rec_filter_mat)rec_user = 'Rusty' # 需要进行推荐的用户rec_userid = user.index(rec_user) # 推荐用户IDrec_list = rec_filter_mat[rec_userid, :] # 推荐用户的电影列表print('推荐用户的电影：')print(np.nonzero(rec_list)) 执行结果：
(array([2, 4, 6, 7, 8, 9]),)
完整代码
上面为了叙述方便，打散、简化并且省略了一些代码。下面是完整的代码，并且因为XJ同学的课程要求，使用了python3代码。嗯，python3对于中文的支持的确好了很多哈。
#!/usr/bin/env python3#pip3 install sklearn scipy numpy matplotlibfrom sklearn.decomposition import NMFimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesitem = [ '希特勒回来了', '死侍', '房间', '龙虾', '大空头', '极盗者', '裁缝', '八恶人', '实习生', '间谍之桥',]user = ['五柳君', '帕格尼六', '木村静香', 'WTF', 'airyyouth', '橙子c', '秋月白', 'clavin_kong', 'olit', 'You_某人', '凛冬将至', 'Rusty', '噢！你看！', 'Aron', 'ErDong Chen']RATE_MATRIX = np.array( [[5, 5, 3, 0, 5, 5, 4, 3, 2, 1, 4, 1, 3, 4, 5], [5, 0, 4, 0, 4, 4, 3, 2, 1, 2, 4, 4, 3, 4, 0], [0, 3, 0, 5, 4, 5, 0, 4, 4, 5, 3, 0, 0, 0, 0], [5, 4, 3, 3, 5, 5, 0, 1, 1, 3, 4, 5, 0, 2, 4], [5, 4, 3, 3, 5, 5, 3, 3, 3, 4, 5, 0, 5, 2, 4], [5, 4, 2, 2, 0, 5, 3, 3, 3, 4, 4, 4, 5, 2, 5], [5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 2, 1, 0], [5, 4, 3, 3, 2, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1], [5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2], [5, 4, 3, 3, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]])nmf_model = NMF(n_components=2) # 设有2个主题item_dis = nmf_model.fit_transform(RATE_MATRIX)user_dis = nmf_model.components_print('用户的主题分布：')print(user_dis)print('电影的主题分布：')print(item_dis)filter_matrix = RATE_MATRIX < 1e-8rec_mat = np.dot(item_dis, user_dis)print('重建矩阵，并过滤掉已经评分的物品：')rec_filter_mat = (filter_matrix * rec_mat).Tprint(rec_filter_mat)rec_user = 'Rusty' # 需要进行推荐的用户#rec_user = '凛冬将至' # 需要进行推荐的用户rec_userid = user.index(rec_user) # 推荐用户IDrec_list = rec_filter_mat[rec_userid, :] # 推荐用户的电影列表print('推荐用户的电影：')print(np.nonzero(rec_list))######################################################################fontP = FontProperties(fname="/System/Library/Fonts/STHeiti Light.ttc")fontP.set_size('small')plt1 = pltplt1.plot(item_dis[:, 0], item_dis[:, 1], 'ro')plt1.draw()#直接画出矩阵，只打了点，下面对图plt1进行一些设置plt1.xlim((-1, 3))plt1.ylim((-1, 3))plt1.title(u'the distribution of items (NMF)')#设置图的标题count = 1zipitem = zip(item, item_dis)#把电影标题和电影的坐标联系在一起for item in zipitem: item_name = item[0] data = item[1] plt1.text(data[0], data[1], item_name, fontproperties=fontP, horizontalalignment='center', verticalalignment='top')plt1.show()user_dis = user_dis.T #把转置用户分布矩阵plt2 = pltplt2.plot(user_dis[:, 0], user_dis[:, 1], 'ro')plt2.xlim((-1, 3))plt2.ylim((-1, 3))plt2.title(u'the distribution of user (NMF)')#设置图的标题zipuser = zip(user, user_dis)#把电影标题和电影的坐标联系在一起for user in zipuser: user_name = user[0] data = user[1] plt2.text(data[0], data[1], user_name, fontproperties=fontP, horizontalalignment='center', verticalalignment='top')plt2.show()#直接画出矩阵，只打了点，下面对图plt1进行一些设置 特别感谢，代码及数据转自：。