FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决-Toy模板网

这篇具有很好参考价值的文章主要介绍了FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

FM具体的算法思路理解可以参考 FM算法理解
本文主要讲解的是pyFM的使用

一级目录

本文主要是作者在学习FM代码使用时候遇到的问题，主要问题有以下几个

microsoft visual c++ 14.0 is required
LINK : fatal error LNK1181: cannot open input file ‘m.lib’

二级目录

有几篇博客是说可以在线安装，但其实对于FM这个库，是没法进行在线安装的，我们需要将源码进行下载，然后修改里面的部分代码，重新进行编译安装就可以

一、问题一

1.在windows下下载pyFM的源码，命令如下

git clone git@github.com:coreylynch/pyFM.git，这是我在anaconda中的虚拟环境中运行的
FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决

git clone git@github.com:coreylynch/pyFM.git

下载安装之后，如果我们直接运行
python setup.py install 会出现如下错误

error: Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”: http://landinghub.visualstudio.com/visual-cpp-build-tools

对于这个问题主要有两种解决方案
**

第一种

去python的的支持库中安装对应的whl进行安装
官网是

https://www.lfd.uci.edu/~gohlke/pythonlibs/

然后按crtl+F选择搜索对应的安装包进行安装，不过这种方法并没有彻底解决问题，只是跳过相关的环境进行安装，详细的流程见安装

第二种

解决方案就是安装C++的编译环境，这里我使用的是第二种以便彻底解决问题

我把Microsoft Visual C++ Build Tools的安装使用百度网盘进行分享，
直接解压，然后点击以管理员身份运行：VisualCppBuildTools_Full.exe
他会自动读取package目录里面的包来安装的。

链接是只需要安装C++部分所需要的包，可以极大减少磁盘空间，提取密码是gryc

按照流程安装即可

二、问题二

接下来安装好了再执行python setup.py install仍然会报错
错误是

LINK : fatal error LNK1181: cannot open input file ‘m.lib’

对于这个问题，我们只需要将源码里面的setup.py中的代码
libraries=[“m”]删除，或者变成 libraries=[]就可以。

FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决
接下来就可以执行代码的编译操作,命令是

python setup.py build

FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决会出现如下的提示

紧接着执行python setup.py install
FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决

就会出现如下的提示

FM的算法理解，以及Windows下安装pyFM，出现microsoft visual c++ 14.0 is required的解决
至此，就可以在我们的anaconda的虚拟环境中使用我们编译好的pyfm包

使用官网的例子进行测试，发现没有错误

from pyfm import pylibfm
from sklearn.feature_extraction import DictVectorizer
import numpy as np

train = [
    {"user": "1", "item": "5", "age": 19},
    {"user": "2", "item": "43", "age": 33},
    {"user": "3", "item": "20", "age": 55},
    {"user": "4", "item": "10", "age": 20},
]
v = DictVectorizer()
X = v.fit_transform(train)
print(X.toarray())
# [[ 19.   0.   0.   0.   1.   1.   0.   0.   0.]
#  [ 33.   0.   0.   1.   0.   0.   1.   0.   0.]
# [ 55.   0.   1.   0.   0.   0.   0.   1.   0.]
# [ 20.   1.   0.   0.   0.   0.   0.   0.   1.]]

y = np.repeat(1.0, X.shape[0])
fm = pylibfm.FM()
fm.fit(X, y)
fm.predict(v.transform({"user": "1", "item": "10", "age": 24}))