scikit-learn 不提供专用推荐系统模块，但可用 nearestneighbors 实现基于用户的协同过滤原型；需行归一化、稀疏矩阵输入、过滤全零行，并注意冷启动与维度陷阱。
scikit-learn 里没有现成的推荐系统模块
直接说结论：scikit-learn 本身不提供协同过滤、矩阵分解或推荐流水线等专用接口。它没有 RecommendationSystem 类，也没有 fit_predict_ratings() 这类方法。你查文档或搜源码都找不到——这不是遗漏，是设计定位决定的。
但它提供了底层工具，能帮你快速搭出基于用户/物品相似度的原型，核心就是 NearestNeighbors。这适合冷启动快、数据量中等、只需“类似用户喜欢什么”这种逻辑的场景，比如内部工具、MVP 验证、教学演示。
用 NearestNeighbors 做基于用户的协同过滤
关键思路：把每个用户对物品的评分（如电影打分）看作一个向量，用余弦或欧氏距离算用户间相似度，再取最近邻加权聚合推荐结果。
-
NearestNeighbors的metric='cosine'比默认的'minkowski'更合适，因为评分向量稀疏且量纲不统一 - 必须先做行归一化（每行用户向量单位化），否则高分用户天然“距离更远”，扭曲相似性
- 调用
fit()时传入的是(n_users, n_items)矩阵，不是 (n_samples, n_features) 的常规格式——注意转置逻辑别反了 - 稀疏矩阵（
scipy.sparse.csr_matrix）强烈建议用上，内存和速度提升明显；传稠密数组容易 OOM
示例片段：
from sklearn.neighbors import NearestNeighbors from scipy.sparse import csr_matrix <h1>user_item_matrix 是 csr_matrix，shape=(n_users, n_items)</h1><p>nn = NearestNeighbors(n_neighbors=5, metric='cosine', algorithm='brute') nn.fit(user_item_matrix)</p><h1>查用户 123 的最近邻（返回距离和索引）</h1><p>distances, indices = nn.kneighbors(user_item_matrix[123], return_distance=True)</p>
如何处理缺失值和冷启动用户
用户没评过任何物品？那他在 user_item_matrix 中对应行全是 0，NearestNeighbors 算出的距离全为 0，导致 kneighbors() 返回随机邻居——这是静默错误，不是报错。
- 预处理阶段必须过滤掉全零行：用
user_item_matrix.getnnz(axis=1) > 0找出活跃用户 - 新用户无法嵌入现有空间，得 fallback 到热门物品（
user_item_matrix.sum(axis=0)排序）或基于内容的简单规则 - 不要对原始评分矩阵做全局均值填充——会污染相似度计算；如需插补，仅对单个用户行用其已有评分均值填充（
axis=1） -
NearestNeighbors不支持增量更新，新用户加入后需重新fit()，大数据量时考虑定期离线重训
为什么不用 NearestNeighbors 做基于物品的推荐
可以做，但要小心维度爆炸和稀疏性恶化：物品数常远超用户数（比如百万商品 vs 十万用户），NearestNeighbors 在高维稀疏空间里查最近邻效率骤降，且物品向量比用户向量更稀疏（一个商品只被极少数人买过）。
- 若坚持用，务必转置矩阵并用
algorithm='brute'+metric='cosine'，'ball_tree'或'kd_tree'在稀疏高维下基本失效 - 物品相似度矩阵（
n_items × n_items）极易超出内存，建议只对热门物品子集构建 - 实践中，基于物品的推荐更适合用
sklearn.metrics.pairwise.cosine_similarity批量算小批次，而非NearestNeighbors实时查询
真正上线时，NearestNeighbors 只是原型起点。它不处理负采样、排序损失、实时反馈闭环——这些得换 lightfm、implicit 或自研服务。但用来跑通数据流、验证业务假设，够快、够轻、够透明。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
