如何在“中加载CSV文件而不是内置数据集”；“惊喜”；Python推荐系统？

我不知道如何编写代码来加载CSV文件或.inter文件，而不是在本例中作为推荐系统评估数据集的内置数据集：

from surprise import SVD
from surprise import KNNBasic
from surprise import Dataset
from surprise.model_selection import cross_validate

# Load the movielens-100k dataset (download it if needed).
data = Dataset.load_builtin('ml-100k')

# Use the famous SVD algorithm.
algo = KNNBasic()

# Run 5-fold cross-validation and print results.
cross_validate(algo, data, measures=['RMSE', 'MAE'], cv=5, verbose=True)

---

在我只需要输入数据路径和文件名的地方，整行代码会是什么样子？我试过这个网站，想给你一个惊喜，但什么也没找到。因此，我不希望示例中使用movielens代码，而是希望使用一行来加载数据路径和文件。

首先，您需要创建

Reader（）的实例。

：

请注意，

line\u format

参数只能是

'rating user item'

（可以选择添加

'timestamp'

），并且这些参数与

自定义\u rating.csv

中的列名称无关。这就是为什么定义了

skip_lines=1

prameter（它跳过csv文件中通常定义列名的第一行）。 另一方面，

line\u format

参数决定列的顺序。因此，为了清楚起见，我的

自定义_ratings.csv

如下所示：

分级、用户ID、电影ID
4,1,1
6,1,2
1,1,3
. . .
. . .
. . .

现在，您可以创建

数据
实例：

data = Dataset.load_from_file("custom_rating.csv", reader=reader)

最后，您可以继续创建SVD模型，如所示：

另外，别忘了在代码开头导入库：）

根据数据集，
ml-100k
是内置的数据集。肯定
Dataset
会知道在哪里可以找到它。
data = Dataset.load_from_file("custom_rating.csv", reader=reader)

# sample random trainset and testset
# test set is made of 20% of the ratings.
trainset, testset = train_test_split(data, test_size=.2)

# We'll use the famous SVD algorithm.
algo = SVD()

# Train the algorithm on the trainset, and predict ratings for the testset
algo.fit(trainset)
predictions = algo.test(testset)

# Then compute RMSE
accuracy.rmse(predictions)

from surprise import SVD
from surprise import Dataset
from surprise import accuracy
from surprise import Reader
from surprise.model_selection import train_test_split