协同过滤推荐算法python

协同过滤推荐算法是一种常用的推荐算法，它基于用户历史行为数据或物品属性数据，计算出用户对物品的偏好度或者物品之间的相似度，从而实现推荐。在Python中，可以使用Surprise库来实现协同过滤推荐算法。下面是一个简单的例子：

首先，安装Surprise库：

!pip install surprise

然后，导入库并加载数据：

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

# 加载数据
data = Dataset.load_builtin('ml-100k')

接下来，使用KNN基础算法来训练模型并进行预测：

# 使用KNN基础算法
algo = KNNBasic()

# 交叉验证
cross_validate(algo, data, measures=['RMSE', 'MAE'], cv=5, verbose=True)

# 训练模型并进行预测
trainset = data.build_full_trainset()
algo.fit(trainset)

# 预测用户对物品的评分
uid = str(196)
iid = str(302)
pred = algo.predict(uid, iid, verbose=True)

以上就是一个简单的协同过滤推荐算法的Python实现。