小编T3J*_*J45的帖子

我有这 2 个{ndarray}有 3 个正值、负值和中性分数的值。

>>>y1
array([82, 80, 63])
>>>y2
array([122,  73,  30])

对于相同的 I 需要y1[0]并y2[0]绘制在一起，因为它们对应为正值，每个数组中的其他 2 个值也是如此。

我试过这个：

import matplotlib.pyplot as plt
import numpy as np

def biplt(groundTruth, predictedValues, plt_name='<name>'):
        gt = groundTruth
        pr = predictedValues
        x = np.arange(2)

        y1, y2 = gt.values, pr.values
        fig, axes = plt.subplots(ncols=1, nrows=1)

        width = 0.20
        plt.title('%s\n Accuracy Score' % plt_name)
        plt.xlabel('Parameters')
        plt.ylabel('Score')
        axes.bar(x, y1, width, label="Algorithm 1")
        axes.bar(x + width, y2, width, color=list(plt.rcParams['axes.prop_cycle'])[2]['color'], label="Algorithm 2")
        axes.set_xticks(x …

直觉：

我创建了一个自动编码器，尽管它是针对电影用户的评分矩阵。我正在尝试使用协作过滤（CF）重新创建预测时的输出。

数据集：

下面的数据集是输入的方式。我在这里将其转换为Pivot矩阵：我们将其称为 A_set

MovieId 1    2    3    4    5    6    7  ...
UserId
0       5.0  0.0  0.0  0.0  2.0  0.0  0.0  ...
1       0.0  0.0  0.0  2.0  2.0  0.0  0.0  ...
2       5.0  0.0  1.0  0.0  0.0  0.0  0.0  ...
3       1.0  0.0  0.0  0.0  3.0  0.0  3.0  ... 

还创建了它的转置MovieIds，在行和UserIds列中。我们称这个为B_set。

问卷：

对此，我有以下查询：

• 在神经网络中向自动编码器（使用Keras制造）提供输入时，什么集合（A / B）可以称为协作过滤（CF）？
• 我试图区分基于用户的CF和基于项目的CF
• 现在我内部知道以下公式如何在数学上起作用。我只是不确定在Keras / TF代码中是否也能以相同的方式工作。我应该考虑将哪一个（A / B组）作为我的CF？

Y = Theta（转置）输入（X）+ C

• Theta是权重矩阵，我需要查看代码是否转置了Theta矩阵，然后求解该方程式，或者它已经转置了，我给出的输入必须是B_set对CF公正。

我尝试提供A_set …

场景：

我正在对电影镜头数据集执行聚类，我有两种格式的数据集：

旧格式：

uid iid rat
941 1   5
941 7   4
941 15  4
941 117 5
941 124 5
941 147 4
941 181 5
941 222 2
941 257 4
941 258 4
941 273 3
941 294 4

新格式：

uid 1               2               3               4
1   5               3               4               3
2   4               3.6185548023    3.646073985     3.9238342172
3   2.8978348799    2.6692556753    2.7693015618    2.8973463681
4   4.3320762062    4.3407749532    4.3111995162    4.3411425423
940 3.7996234581    3.4979386925    3.5707888503    2
941 5               NaN             NaN             NaN
942 4.5762594612 …

这不是一个重复的问题,或者至少我不这么认为.

当我尝试运行这两行代码片段时:

import pandas as pd

mydates = pd.date_range('2010-01-22', '2010-01-26')

在尝试foll时:

In [16]:import pandas as pd

In [17]:mydates = pd.date_range('2010-01-22', '2010-01-26')
Traceback (most recent call last):

尝试2.7和3.6后我得到以下错误

File "<ipython-input-17-ef49b611e028>", line 1, in <module>
        mydates = pd.date_range('2010-01-22', '2010-01-26')

    TypeError: 'list' object is not callable

我究竟做错了什么？

请注意，我是在函数中执行此操作的，并且我已经提到了一个非常好的线程。

这是python函数，传递的参数是从用户那里获取的

def recommend(uid):
    ds = pd.read_csv("pred_matrix-full_ubcf.csv")
    records = ds.loc[ds['uid'] == uid]
    for recom in records:
        print recom

数据格式：

uid iid     rat
344 1189    5
344 1500    5
344 814     5
736 217     3.3242361285
736 405     3.3238380154
736 866     3.323500531
331 1680    2
331 1665    2
331 36      1.999918585

参考： this1 , this2

无法找到我出错的地方，我正在关注this1线程，但无法得到它。

问题

我正在尝试逐项查看表，这样如果某个项目已经存在，那么我应该能够更新它，如果不存在，那么我应该能够插入它。

但是，我了解到更新的工作方式也类似于 upsert(update/insert) 。我的情况也不适合这个。

我的情况

1. 检查item表中是否存在并存储flag（布尔值）
2. 检查是否flag为0（项目不可用），然后插入该项目并将当前时间戳添加到列中Inserted_dttm
3. 检查是否flag为1（项目可用），然后更新项目并将当前时间戳添加到列中Updated_dttm（而不是 Inserted_dttm）

试用

我一直在寻找query()是一个不错的选择get_item()，但是您的解决方案都受到欢迎。

def lambda_handler(event, context):
    x = TrainDataProcess()
    file_name = 'Training_data/' + event['file_name']
    s3.Object(bucket_name, file_name).download_file('/tmp/temp.xlsx')
    table_name = 'training_data'

    x.load_excel(name='/tmp/temp.xlsx')
    x.load_headers(skiprows=0)
    x.data_picking()

    table = dynamoDB_client.Table(table_name)
    load = x.return_records_json()

    try:
        with table.batch_writer() as batch:
            for record in load:
                flag = table.query(TableName=table_name, )
                if flag == 0:
                    record['inserted_dttm'] = get_dttm()
                    batch.put_item(Item=record)
                elif flag == …