基于KNeighborsClassifier的有声书推荐系统预测结果固定问题求助

核心问题：用户输入数据未被使用 #

你的代码里，__init__方法的参数book被后续的book = pd.read_csv("dataset.csv", delimiter = ";")直接覆盖，导致用户输入的数据根本没传入预测环节。最后预测用的是数据集的第一行（dataframe.iloc[[0]]），所以不管输入什么，都会返回这一行对应的书名。

其他潜在问题 #

• 未进行数据归一化：KNN算法对特征尺度敏感，像ratings_count_converted这类数值范围大的特征会主导距离计算，导致预测结果偏差。
• 未拆分训练集与测试集：导入了train_test_split但未使用，无法验证模型泛化能力。
• 模型参数未调整：默认K值（k=5）可能不适合你的数据集，需要根据情况调整。

修复后的代码示例 #

from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

class SuggestAudiobook:
    def __init__(self, user_input_data):
        # 加载数据集
        book_df = pd.read_csv("dataset.csv", delimiter=";")
        
        # 分离特征与目标变量
        X = book_df[["audioRuntime_converted", "category_converted",
                     "average_rating_converted", "ratings_count_converted"]]
        y = book_df.Title.astype('string')
        
        # 特征归一化
        scaler = StandardScaler()
        X_scaled = scaler.fit_transform(X)
        
        # 拆分训练集和测试集
        X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)
        
        # 初始化并训练模型（可调整K值，比如k=3）
        model = KNeighborsClassifier(n_neighbors=3)
        model.fit(X_train, y_train)
        
        # 处理用户输入数据：转为DataFrame并归一化
        user_df = pd.DataFrame([user_input_data], columns=X.columns)
        user_scaled = scaler.transform(user_df)
        
        # 进行预测
        prediction = model.predict(user_scaled)
        print("推荐的有声书是 --> ", prediction[0])

# 使用示例：传入用户输入的特征数据
# user_input = {"audioRuntime_converted": 120, "category_converted": 2, "average_rating_converted": 4, "ratings_count_converted": 500}
# SuggestAudiobook(user_input)

关键修复点说明 #

1. 保留用户输入：将参数名改为user_input_data，避免与数据集变量冲突，确保用户数据传入预测。
2. 特征归一化：用StandardScaler统一特征尺度，解决KNN对特征范围敏感的问题。
3. 拆分数据集：使用train_test_split拆分训练集和测试集，便于评估模型效果。
4. 正确预测用户输入：将用户输入转为符合模型要求的格式，经过归一化后再预测。

内容的提问来源于stack exchange，提问作者raffaele de france