物体推荐算法（代码修正版）

1. 原理

　　
　　 协同过滤算法一般需要以下几个步骤

• 收集用户偏好
• 找到相似的用户或物品
• 计算推荐

协同过滤算法主要有基于用户的协同过滤和基于物品的协同过滤。

　　 user_based_CF就是把与你有相同爱好的用户所喜欢的物品(并且你还没有评过分)推荐给你

　　 item_based_CF则与之相反，把和你之前喜欢的物品近似的物品推荐给你

2. 代码

数据下载：https://grouplens.org/datasets/movielens/

ml-100k文件

import numpy as np

def load_data(path):
    data = []
    '''
    f = open(filename, 'rb').read()
    data = f.decode().split('\n')
    '''
    with open(path, 'rb') as file:
        for line in file:
            (user_id, moive_id,rating,time_stamp) = line.strip().split('\t'.encode(encoding ="utf-8"))
            data.append([user_id,moive_id,rating])
    data = np.array(data).astype(np.uint16)
    return data

class  item_based_cf:
    def __init__(self,train_data):
        self.train_data = np.array(train_data)
        print("the input data size is ",self.train_data.shape)
        self.movie_user = {}
        self.user_movie = {}
        self.avg = np.mean(self.train_data[:,2])  #