Python协同过滤推荐算法（Collaborative Filtering）1.概念和思想以及大致步骤

1.算法思想

    物以类聚，人以群分

2.基本的协同过滤算法基于一下的假设

• 基于用户的协同过滤推荐(User-based CF)：跟你喜好相似的人喜欢的东西你也很有可能喜欢
• 基于物品的协同过滤推荐(Item-based CF): 跟你喜欢的东西相似的东西你也有可能喜欢

3.实现协同过滤推荐的步骤

• 找出最相似的人或者物品：通过计算两两的相似度来进行排序，即可找出最相似的人或物品
• 根据相似的人或者物品产生推荐结果：找出最相似的人或者物品的前N名结果生成初始的推荐结果，然后过滤掉用户已经有过记录的物品或者明确表示不感兴趣的物品

4.思路

• 做协同过滤时，首先特征工程要把 用户---物品的评分矩阵创建好
• 基于用户的协同过滤
  ①给用户A找到最相似的N个用户
  ②N个用户消费过哪些物品
  ③N个用户消费过的物品中减去A用户消费过的就是推荐结果
• 基于物品的协同过滤
  ①给物品A找到最相似的N个物品
  ②A用户消费记录找到这些物品的相似物品
  ③从这些相似物品先去重再减去A用户消费过的就是推荐结果