基于用户特征构建推荐系统：Python实现方案求助

我有一个用户数据库，每行对应一位用户，包含两类列：用户特征列和0-6分的流派评分列，示例如下：

已知特征F₁,F₂,...,Fₘ和流派评分G₁, G₂,..., G_d（每个Gᵢ ∈ {0,1,...,5}），核心需求是构建函数F(F₁,F₂,...,Fₘ) = (G₁,G₂,...,G_d)，即通过用户特征预估流派评分，再按评分高低排序推荐流派。比如输入35岁男性用户，得到F(35, male) = (1,3,2)，就优先推荐动作类。数据无缺失值。

尝试过多元多项回归但在Python中无法实现，希望得到解决思路及Python可实现的算法建议；了解过协同过滤，但它侧重用户交互而非用户特征，认为当前问题更简单。

你的问题本质是多输出回归任务（每个流派评分是一个回归目标，目标值是离散的0-5分，也可看作有序分类），核心是用用户特征同时预测多个目标变量。下面是具体的思路和可落地的Python方案：

一、基础思路拆分 #

把多输出任务拆分为多个单输出任务处理，这是最简单易实现的方案：

• 对每个流派评分Gᵢ，单独训练一个回归模型（或有序分类模型），输入都是用户特征F₁...Fₘ
• 预测时，用每个模型分别输出对应流派的评分，再整合排序

二、Python可实现的算法推荐 #

1. 多输出线性回归（拆分式） #

直接用scikit-learn的线性回归模型，为每个流派单独训练：

from sklearn.linear_model import LinearRegression
import numpy as np

# 假设X是用户特征矩阵(n_samples, m_features)，y是流派评分矩阵(n_samples, d_genres)
X = ... 
y = ...

# 存储每个流派的模型
models = []
for genre_idx in range(y.shape[1]):
    model = LinearRegression()
    model.fit(X, y[:, genre_idx])
    models.append(model)

# 预测示例
test_user = np.array([[35, 1]])  # 假设性别已编码为1=男，0=女
pred_scores = [model.predict(test_user)[0] for model in models]
# 按评分降序排序流派索引
recommended_genres = sorted(range(len(pred_scores)), key=lambda x: pred_scores[x], reverse=True)

如果把评分看作有序分类，也可以用OrdinalRegression（需安装mord库），更贴合离散评分的特性：

from mord import LogisticIT

models = []
for genre_idx in range(y.shape[1]):
    model = LogisticIT()
    model.fit(X, y[:, genre_idx])
    models.append(model)

2. 多输出集成模型 #

用scikit-learn的MultiOutputRegressor包装任意单输出回归器，统一处理多输出任务：

from sklearn.multioutput import MultiOutputRegressor
from sklearn.ensemble import RandomForestRegressor

# 用随机森林作为基础模型，自动处理多输出
multi_model = MultiOutputRegressor(RandomForestRegressor(n_estimators=100))
multi_model.fit(X, y)

# 预测
pred_scores = multi_model.predict(test_user)[0]
recommended_genres = sorted(range(len(pred_scores)), key=lambda x: pred_scores[x], reverse=True)

集成模型（随机森林、梯度提升树等）能自动捕捉特征间的非线性关系，效果通常比线性回归好，适合用户特征和流派评分有复杂关联的场景。

3. 神经网络（简单全连接） #

如果特征维度高或想捕捉更复杂的模式，可以用简单的全连接神经网络，用Keras实现：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 构建多输出神经网络
model = Sequential([
    Dense(64, activation='relu', input_shape=(X.shape[1],)),
    Dense(32, activation='relu'),
    Dense(y.shape[1], activation='linear')  # 输出层对应每个流派的评分
])

model.compile(optimizer='adam', loss='mse')
model.fit(X, y, epochs=50, batch_size=32)

# 预测
pred_scores = model.predict(test_user)[0]

这种方式适合数据量较大的情况，能自动学习特征组合。

三、关于多元多项回归的替代方案 #

你提到的多元多项回归（multivariate multinomial regression）主要用于多分类的多输出任务，但你的目标是离散评分（更接近有序回归或回归），所以上述方案更贴合需求。如果一定要用类似思路，可以考虑用多分类模型处理每个流派的评分（把0-5看作6个类别），再用MultiOutputClassifier包装，但效果可能不如回归类模型直接。

内容的提问来源于stack exchange，提问作者Jesús A. Piñera