协同过滤在电影推荐中的关键是处理稀疏矩阵、冷启动和相似度中心化；scikit-surprise封装了带行中心化的余弦/皮尔逊相似度，user_based=true更适配movielens-100k，knnwithmeans比knnbasic的rmse低0.03~0.05，新用户需混合genre加权向量而非纯热门推荐。
协同过滤在电影推荐里不是“能不能做”，而是“怎么避免推荐出用户早看腻的类型”——关键不在算法本身，而在于稀疏评分矩阵怎么处理、冷启动怎么绕开、以及相似度计算时要不要对用户评分做中心化。
用 scikit-surprise 快速跑通基于用户的协同过滤
别从零实现 pearson_similarity 或 cosine_similarity，scikit-surprise 封装了带中心化的余弦和皮尔逊相似度，且自动处理缺失值填充逻辑。它默认对用户评分做行中心化（减去该用户平均分），这对消除用户打分习惯差异很关键——比如有人习惯打 4~5 分，另一人只打 2~3 分。
实操建议：
- 用
SVD类比KNNBasic更快，但解释性弱；若需可解释推荐理由（如“因为和你相似的用户也喜欢这部电影”），选KNNBasic或KNNWithMeans -
KNNWithMeans比KNNBasic多一步用户均值中心化，实际在 MovieLens-100K 上 RMSE 通常低 0.03~0.05 - 必须调用
trainset.build_testset()再传给test()，不能直接用原始 DataFrame —— 否则会报ValueError: test set contains unknown users/items
稀疏矩阵下 user_based=True 还是 user_based=False？
MovieLens 数据中用户数（~943）远小于电影数（~1682），所以设 user_based=True（基于用户协同）更稳。一旦设成 False（基于物品协同），相似度矩阵维度变成 1682×1682，内存占用翻倍，且新电影加入时要全量重算物品相似度。
但注意：如果后续要支持“看了 A 电影的人还看了 B”，就得切到 item_based，这时必须预存 trainset.ir（item ratings dict）来加速邻居查找。
python-docx Skill功能概述python-docx Skill是一项面向实际任务的技能，主要用于本Skill提供使用python-docx生成专业Word文档的标准方法和最佳实践；生成安全服务方案文档；核心要点生成技术架构设计文档；生成任何需要专业排版的Word文档；核心库 : python-docx；使用与执行辅助库 : docx.shared , docx.enum , docx.oxml.ns；标准代码模板；1. 文档初始化；2. 字体设置（必须！它将相关步骤、工具调用和结果整理方式集
常见错误现象：
- 设
user_based=False后训练极慢，CPU 占用高但进度条不动 → 检查是否漏了sim_options={'user_based': False} - 预测时
algo.predict(uid, iid)返回Rating对象，其est字段才是预测分，不是直接返回数值
如何绕过新用户冷启动问题？
协同过滤天生不处理新用户。硬加一个“默认推荐 Top-N 热门电影”只是兜底，真正可用的做法是混合一层基于内容的信号：提取电影的 genre 向量（one-hot），用用户已评电影的 genre 加权平均，生成初始偏好向量，再拿这个向量去近邻电影池里找相似项。
性能影响：
- 纯协同过滤模型加载后预测单个
(user, item)耗时约 0.8~1.2ms；加 genre 加权后升至 3~5ms，但能覆盖 60%+ 的新用户首推场景 - 不要在预测时实时算 genre 向量 —— 提前用
pandas.get_dummies()算好并存为np.ndarray，用np.dot()查找最匹配电影 - 避免用 TfidfVectorizer 处理 genre 字符串：genre 是离散标签，不是文本，Tfidf 会引入无意义的权重偏差
协同过滤真正的难点不在公式，而在数据落地时的边界：用户没评过任何电影怎么办、某部电影只有 2 个评分要不要进相似度计算、时间戳字段要不要参与划分训练/测试集。这些细节不写进代码注释，模型上线后就会在凌晨三点触发告警。
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！
