python代码写出推荐算法

以下是一个简单的基于协同过滤的推荐算法的示例代码：

import numpy as np

# 创建用户-物品评分矩阵
ratings = np.array([
   [5, 3, 0, 1, 4],
   [1, 0, 5, 4, 2],
   [0, 2, 4, 1, 0],
   [3, 1, 0, 5, 4]
])

# 计算用户之间的相似度（使用余弦相似度）
def similarity(user1, user2):
   return np.dot(user1, user2) / (np.linalg.norm(user1) * np.linalg.norm(user2))

# 根据相似度计算推荐结果
def recommend(user_id, ratings):
   similarities = []
   for user in ratings:
       similarities.append(similarity(ratings[user_id], user))
   similarities = np.array(similarities)
   
   # 根据相似度对用户进行排序
   sorted_users = np.argsort(similarities)[::-1]
   
   # 找到与目标用户最相似的K个用户
   k = 3
   top_k_users = sorted_users[1:k+1]
   
   # 计算推荐分数（加权求和）
   scores = np.zeros(ratings.shape[1])
   for user in top_k_users:
       scores += similarities[user] * ratings[user]
   
   # 排除目标用户已评分的物品
   scores[ratings[user_id] != 0] = -1
   
   # 返回推荐结果（按分数降序排列）
   recommendations = np.argsort(scores)[::-1]
   return recommendations

# 示例用法
user_id = 0
recommended_items = recommend(user_id, ratings)
print("为用户 {} 推荐的物品为：".format(user_id))
print(recommended_items)

这是一个简单的基于协同过滤的推荐算法示例，其中使用了余弦相似度来计算用户之间的相似度，并根据相似度计算推荐结果。请注意，这只是一个示例，实际应用中可能需要更复杂的算法和数据处理。