Напишите нам
Мы работаем
ЕЖЕДНЕВНО
с 10:00 до 22:00 msk
ЕЖЕДНЕВНО
с 10:00 до 22:00 msk
Написать письмо
Мы в MAX:
kursovikcom
kursovikcom
+79374242235
+79374242235готовых работ
по программированию
сайта KURSOVIK.COM
ДЗЕН - КУРСОВИК
RUTUBE - КУРСОВИК
YOUTUBE - КУРСОВИК
Лабораторная работа
ЛР1. Вариант 6. Разработка рекомендательного сервиса
в среде программирования Python
Программа
© Данная готовая работа выполнена сотрудником нашего сайта.
Если Вы считаете, что эта страница каким-либо образом нарушает Ваши авторские права,
то Вам следует обратиться в администрацию нашего сайта по адресу
info@kursovik.com либо через
форму обратной связи.
Если Вам нужны все файлы проекта данной программы на языке программирования Python, заполните форму заказа, которая доступна по следующей ссылке.
Среда программирования: Python
Название работы: ЛР1. Вариант 6. Разработка рекомендательного сервиса
Вид работы: Лабораторная работа
Тематика работы: Алгоритмы
Объем программы: 3 (по десятибалльной шкале)
Уровень сложности: 3 (по десятибалльной шкале)
Разработчик (автор):
Программист сайта kursovik.com
(письмо автору)
Данная работа написана ЧЕЛОВЕКОМ без использования ИИ
Ключевые слова: Рекомендательный сервис, количество пользователей, количество объектов, оценка, массив, цвет маркера, матрица оценок, функции близости, Евклидово расстояние.
Функции программы:
Лабораторная работа № 1.
Вариант № 6. Разработка рекомендательного сервиса.
Цель работы: разработать функционал рекомендательного сервиса с использованием языка разработки Python.
Задание:
1. Для массива данных "Jester" описать: количество пользователей, количество объектов, количество оценок. Описать шкалу измерения оценки.
2. Разделить исходный массив оценок на два массива (два файла) в следующем соотношении: 80% и 20%. Массив с 80% оценок будет использоваться для разработки системы рекомендаций (обучающая выборка). Массив с 20% будет использоваться для проверки точности разработанной системы рекомендаций (тестовая выборка).
3. Реализовать функцию load_data(), загружающую исходные данные из excel-файла в двумерный массив.
4. Написать функцию visualize_R() с использованием библиотеки matplotlib, которая визуализирует матрицу R. В качестве оси абсцисс использовать идентификатор пользователя, в качестве оси ординат – идентификатор объекта. На графике закрашивать ячейку только, если пользователь оценил конкретный объект. Оценить, насколько разряжена матрица, какие пользователи наиболее активны с точки зрения оценок, какие объекты наиболее часто оцениваются.
5. Реализовать User-based коллаборативную фильтрацию:
а) реализовать функции близости sim_distance_1() и sim_distance_2() согласно своему варианту. На входе они получают массив с оценками и идентификаторы двух пользователей, который нужно сравнить. На выходе возвращают меру сходства. Если у пользователей нет пересечения в оценках (оценивали только разные объекты), то sim = 0. Функция близости вычисляется только по тем объектам, которые оценили оба пользователя.
б) реализовать функцию topMatches(), которая возвращает список отранжированных 5 пользователей. На входе в функцию передается массив оценок, идентификатор пользователя, функция сходства, которую нужно использовать для сравнения.
в) реализовать функцию get_rating(), которая будет прогнозировать оценку пользователя для еще неоцененного им объекта. Функция использует результаты уже реализованной функции topMatches().
6. Протестировать качество полученного алгоритма коллаборативной фильтрации:
а) реализовать функцию calculate_error(), которая позволяет рассчитать среднеквадратическую ошибку.
б) загрузить тестовый массив данных (тестовую выборку).
в) рассчитать для загруженных записей оценки с помощью разработанной рекомендательной системы. Вычислить среднеквадратическую ошибку с помощью разработанной функции calculate_error(), где спрогнозированные значения сравниваются с реальными. В итоге должно получиться два значения ошибки – для двух разных функций близости. Прогноз оценки выполняется с использованием матрицы R из обучающей выборки.
7. Адаптировать разработанную рекомендательную систему под item-based метод коллаборативной фильтрации, когда вычисляется сходство объектов, а не пользователей. И также протестируйте ее на тестовой выборке с разными вариантами функций близости
8. Сравнить полученные результаты с помощью обоих вариантов фильтрации и разных функций близости. Оценить преимущества и недостатки каждого из вариантов. Предложить улучшения для разработанной системы.
Описание (отчет):
Есть
на 28 страниц, посмотреть оглавление
Статистика отдела программирования на заказ:
На данный момент (27 октября 2026) на выполнении находится 16 заказов.
Количество программистов, занятых выполнением текущих заказов: 6.
В текущем месяце (октябрь 2026) нами уже выполнено 14 заказов.
В текущем году (2026) нами уже выполнено 337 заказов.
В прошлом году (2025) нами было выполнено 579 заказов.
В позапрошлом году (2024) нами было выполнено 762 заказа.
Количество активных программистов на сайте: 51.
Загруженность отдела заказами: 20%.
На данный момент (27 октября 2026) на выполнении находится 16 заказов.
Количество программистов, занятых выполнением текущих заказов: 6.
В текущем месяце (октябрь 2026) нами уже выполнено 14 заказов.
В текущем году (2026) нами уже выполнено 337 заказов.
В прошлом году (2025) нами было выполнено 579 заказов.
В позапрошлом году (2024) нами было выполнено 762 заказа.
Количество активных программистов на сайте: 51.
Загруженность отдела заказами: 20%.
Результаты работы программы
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
Посмотреть отчет
Посмотреть содержание описания(отчёта) к данной готовой работе
Купить исходный текст
Приобрести исходники программы за 2500 руб РФ .
Купить
Вопрос автору
Посмотреть ответы на вопросы по данной готовой работе,
задать свой вопрос автору.
Искать через Телеграм-БОТ
Поискать другую готовую работу с помощью нашего Телеграм-БОТа
Перейти
Заявка на модификацию
Отправить заявку на модификацию данной работы под Ваше задание.
Перейти
Список всего готовых работ на C#
Посмотреть список всего готовых работ на языке программирования C#.
Перейти
Заказать новую работу
Отправить заявку на разработку уникальной программы согласно Вашему заданию
Перейти
Файлы программы
Файлы программы
Имя
Тип
Размер
Описание
jester10x10xls
16384
Таблица Excel
jester100xls
76800
Таблица Excel
jester500xls
334336
Таблица Excel
jester_testxls
3227648
Таблица Excel
my_filter - user-basedpy
22342
jester20xls
25088
Таблица Excel
jester10xls
18944
Таблица Excel
Оформление программы
К программе прилагается:- 1) отчет - 28 стр.
Перед покупкой готовой работы не забудьте проверить её оригинальность. Запросить у администратора проверку текущей оригинальности работы по версии системы Антиплагиат.РУ
ВНИМАНИЕ ! Если данный отчет Вам не подходит, то Вы можете заказать написание нового отчета (согласно Вашему оглавлению) автору данной программы. Чтобы узнать цену, нажмите на эту ссылку.
Отчет (1)
Отчет к программе. СодержаниеЦель работы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Задание . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Ход работы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Реализация пользователе-ориентированной фильтрации (user-based) . . . . . . . . . . . . . . . .9 Результат выполнения теста функции TopMatches . . . . . . . . . . . . . . . . . . . .