Movielens数据集+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE 基于用户的协同过滤推荐算法 聚类算法 代码实现 程序实现

Movielens数据集+Canopy聚类+Kmeans聚类+协同过滤推荐+测评指标MAE实现

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、输入用户id（1-943）；
3、创建用户-电影评分矩阵；
4、canopy聚类算法根据用户评分对用户聚类；
5、将canopy聚类结果作为kmeans聚类初始点，进行kmeans聚类；
6、根据聚类结果进行协同过滤推荐；
7、计算推荐算法测评指标mae值。

二、实现代码

1、项目目录

2、项目运行主方法


3、常量数据

4、构建用户-项目评分矩阵

5、Canopy聚类算法

6、Kmeans聚类算法

7、协同过滤推荐算法

8、协同过滤推荐算法测评MAE值

三、运行结果

1、输入目标用户ID和构建用户-项目评分矩阵

2、Canopy聚类算法部分结果

3、Kmeans聚类算法运算过程

4、Kmeans聚类算法部分结果

5、相似度、最近邻等结果

6、推荐结果和测评指标MAE

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。