生成一段python代码，实现基于用户的协同过滤算法

好的，下面是一段Python代码实现基于用户的协同过滤算法：

import numpy as np

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

# 计算相似度
def sim(x, y):
    mask = np.logical_and(x > 0, y > 0)
    if np.sum(mask) == 0:
        return 0
    return np.sum(x[mask] * y[mask]) / np.sqrt(np.sum(x[mask] ** 2) * np.sum(y[mask] ** 2))

# 计算相似度矩阵
sim_matrix = np.zeros((ratings.shape[0], ratings.shape[0]))
for i in range(ratings.shape[0]):
    for j in range(ratings.shape[0]):
        if i != j:
            sim_matrix[i, j] = sim(ratings[i], ratings[j])

# 基于用户的协同过滤算法
def user_based_cf(user, item):
    # 找出与该用户相似度最高的k个用户
    k = 2
    sims = sim_matrix[user]
    topk_users = np.argsort(sims)[::-1][:k]
    # 计算加权预测评分
    ratings_sum = 0
    sim_sum = 0
    for i in topk_users:
        if ratings[i, item] > 0:
            ratings_sum += sim_matrix[user, i] * ratings[i, item]
            sim_sum += sim_matrix[user, i]
    if sim_sum == 0:
        return 0
    else:
        return ratings_sum / sim_sum

# 使用该算法预测用户1对物品2的评分
print(user_based_cf(1, 2))

该代码实现了基于用户的协同过滤推荐算法，使用了numpy库进行向量计算，可以根据用户-物品评分矩阵来预测用户对某个物品的评分。