源代码杀手的博客

MovieLens是一个常用的电影推荐系统领域的数据集，用于研究和开发推荐算法和机器学习模型。该数据集包含了用户对电影的评分、电影的信息以及用户的信息。

具体来说，第一行表示第一个用户对5部电影的评分情况，其中4表示该用户对第一部电影的评分为4分，5表示该用户对第二部电影的评分为5分，0表示该用户未对第三部电影进行评分，4表示该用户对第四部电影的评分为4分，0表示该用户未对第五部电影进行评分。类似地，可以理解其他行和列的含义。具体来说，对于每个用户，我们首先找到与其最相似的K个用户，然后根据这些相似用户的电影评分，计算推荐分数。协同过滤算法是一种经典的推荐算法，其基本思想是根据用户历史行为和兴趣，发现用户与物品之间的相似性，从而给用户推荐可能感兴趣的物品。

0、知识快速介绍简单说就是找相似，那么第一时间想到的数学方法就是线性相关性、余弦公式。实现协同过滤,需要以下几个步骤：1)收集用户偏好。 （搜寻数据）2)找到相似的用户或物品。（制作数据集和特征提取）3)计算并推荐。（算法方法、策略）在一个推荐系统中,用户行为都会多于一种。那么,如何组合这些不同的用户行为呢?基本上有如下两种方式。将不同的行为分组对不同行为进行加权(减噪, 归一化等)在推荐的场景中,在用户-物品偏好的二维矩阵中,我们可以将一个用户对所有物品的偏好作为一个向