Python 如何使用协同过滤通过用户行为预测用户？

这似乎是一件非常奇怪的事情，但是如何通过某个用户的推荐来预测他/她的推荐呢

示例：

也许，我们正在做一个关于用户电影收视率如何随时间变化的实验

我们在第一年（2019年）和第二年（2020年）对相同的用户和电影进行了调查

但是我们的数据库已经崩溃了，所以我们第二年只收到了用户的回复，但我们不知道给出了谁的推荐

第一年我们有：用户推荐矩阵，如下所示：

第二年的用户建议矩阵，但没有“目标”栏：

---

因此，根据第一年的数据，我们希望恢复/预测“目标”列

通常，协同过滤用于预测电影收视率，但这是一个相反的问题

协作过滤还能使用吗

如果是，为了解决问题，应该对算法进行什么样的交互

或者是否有其他方法或ML算法可以做到这一点

谢谢大家!

附言：若你们能在类似的任务中附加Python示例，那个就太好了

---

很抱歉，没有将真实的数据和任务附加到这篇文章中，我确实无法做到这一点，原因有很多：）

可能有几种方法可以解决这个问题，但我会将其视为一个问题。您基本上希望为用户分配2020个电影收视率。为此，您必须：

定义为用户分配电影分级的成本。这可以通过定义2020年电影收视率和2019年电影收视率之间的距离函数来实现。例如L2范数（欧氏距离）。因此，将2020年电影收视率0（

[1,2,4,4,6]

）分配给用户id_0（2019年收视率=

[1,1,3,5,6]

）需要sqrt（3）

使用定义的距离函数构建一个矩阵，反映每个用户和每行2020电影收视率之间的距离（分配成本）

使用以下方法为用户找到2020年电影收视率的最佳分配（成本最低）