pythonscikit中基于用户和项目的数据基本过滤

我正试图实现一个推荐系统，以用户的评级为基础。我认为最常见的一个。我读了很多和入围惊喜，一个基于python scikit的推荐系统

虽然我能够导入数据并运行预测，但这并不是我想要的

现在我所拥有的：我可以传递一个用户id、项目id和评级，并获得该用户给出我通过的评级的概率

我真正想做的是：传递一个用户id，作为回报，获得一个列表，其中的项目可能会受到该用户基于数据的喜爱/评价

from surprise import Reader, Dataset    
from surprise import SVD, evaluate

# Define the format
reader = Reader(line_format='user item rating timestamp', sep='\t')
# Load the data from the file using the reader format
data = Dataset.load_from_file('./data/ecomm/e.data', reader=reader)    

# Split data into 5 folds
data.split(n_folds=5)

algo = SVD()

# Retrieve the trainset.
trainset = data.build_full_trainset()
algo.fit(trainset)

//Inputs are: user_id, item_id & rating.
print algo.predict(3, 107, 1)

数据文件中的采样线

第一列是用户id，第二列是项目id，第三列是评级，然后是时间戳

---

您需要遍历单个用户id的所有可能的item_id值，并预测其评级。然后收集最高评分的项目以推荐给该用户

但请确保用户id、项目id对不在培训数据集中。比如：

构建反测试集

返回可编辑的评级列表 在测试方法中用作测试集

额定值是不在列车组中的所有额定值，即 用户u已知，项目i已知，但 额定值rui不在车列中。因为鲁伊不为人所知，所以也不为人所知 替换为填充值或假定等于所有值的平均值 你的意思是什么

之后，您可以将这些对传递给test或predict方法并收集评级，然后从该数据中为特定用户获得前N个建议

这里给出了一个例子：

196 242 3   881250949
186 302 3   891717742
22  377 1   878887116
244 51  2   880606923
166 346 1   886397596
298 474 4   884182806
115 265 2   881171488
253 465 5   891628467
305 451 3   886324817
6   86  3   883603013