matlab协同过滤算法程序

Matlab中的协同过滤算法程序可以用于推荐系统，它基于用户的历史行为和其他用户的行为模式来预测用户可能感兴趣的物品。下面是一个简单的示例程序：

% 假设有5个用户和5个物品
num_users = 5;
num_items = 5;

% 创建一个用户-物品评分矩阵
ratings = [
    5 4 0 0 1;
    0 0 3 4 0;
    1 0 0 5 4;
    0 3 4 0 0;
    0 0 2 0 0
];

% 计算用户之间的相似度
similarity = corr(ratings);

% 预测用户未评分物品的评分
predicted_ratings = zeros(num_users, num_items);
for i = 1:num_users
    for j = 1:num_items
        if ratings(i,j) == 0
            % 找到与当前用户最相似的k个用户
            [~, idx] = sort(similarity(i,:), 'descend');
            k = 2; % 假设取最相似的2个用户
            nearest_users = idx(2:k+1);
            
            % 根据最相似的用户的评分来预测当前用户对物品的评分
            predicted_ratings(i,j) = mean(ratings(nearest_users,j));
        else
            predicted_ratings(i,j) = ratings(i,j);
        end
    end
end

% 打印预测的评分矩阵
disp(predicted_ratings);

这个程序中，我们首先创建了一个用户-物品评分矩阵，其中0表示用户未评分的物品。然后使用`corr`函数计算用户之间的相似度。接下来，我们遍历每个用户和物品，如果用户未评分该物品，则找到与当前用户最相似的k个用户，并根据他们的评分来预测当前用户对物品的评分。最后，打印出预测的评分矩阵。