基于用户与基于项目的协同过滤推荐算法对比试验代码实现 协同过滤推荐算法测评指标RMSE均方根误差 MAE平均绝对误差
基于用户与基于项目的协同过滤推荐算法对比试验代码实现 协同过滤推荐算法测评指标RMSE均方根误差 MAE平均绝对误差
一、实现原理和步骤
1、使用movielens数据集（943个用户，1682部电影，80000条评分数据）；
2、构建用户-电影评分矩阵；
3、数据统计分析；
4、冷启动推荐；
5、输入用户id（1-943）；
6、基于用户的协同过滤推荐算法；
7、基于项目的协同过滤推荐算法；
8、计算推荐算法测评指标rmse值。
二、实现代码
1、项目目录
2、项目运行主方法
3、项目常量
4、构建用户-项目评分矩阵
5、数据统计与分析
6、冷启动推荐
7、基于用户的协同过滤推荐算法
8、基于项目的协同过滤推荐算法
9、协同过滤推荐算法测评指标RMSE
三、运行结果
1、初始化
2、用户-项目评分矩阵输出
3、数据统计与分析结果
4、冷启动推荐结果
5、部分用户相似度
6、基于用户的协同过滤推荐算法结果
7、部分项目相似度
8、基于项目的协同过滤推荐算法结果与测评指标RMSE
作者专业长期研究各种协同过滤推荐算法，欢迎留言、私信互相交流学习，后续会不断更新不同的协同过滤推荐算法，欢迎关注。
