2025.2.4（周二）

推荐系统是大数据分析中的一个重要应用，特别是在电商、社交媒体等行业。常见的问题是如何根据用户行为、兴趣等数据，构建有效的推荐模型。

如何使用协同过滤算法构建简单的推荐系统？

import pandas as pd
from sklearn.neighbors import NearestNeighbors

# 假设数据包含用户评分
data = pd.read_csv('ratings.csv')

# 创建用户-商品矩阵
pivot_data = data.pivot(index='user_id', columns='item_id', values='rating').fillna(0)

# 使用KNN计算相似用户
knn = NearestNeighbors(n_neighbors=5, algorithm='auto')
knn.fit(pivot_data.values)

# 查询与用户1最相似的用户
distances, indices = knn.kneighbors([pivot_data.iloc[0].values])

# 输出最相似的用户
print(f'Most similar users to user 1: {indices}')