Movielens數(shù)據(jù)集+Canopy聚類+Kmeans聚類+協(xié)同過濾推薦+測評指標(biāo)MAE實現(xiàn)
1贸营、使用movielens數(shù)據(jù)集（943個用戶，1682部電影狐榔，80000條評分數(shù)據(jù)）键俱；
2、輸入用戶id（1-943）搪柑；
3聋丝、創(chuàng)建用戶-電影評分矩陣；
4工碾、canopy聚類算法根據(jù)用戶評分對用戶聚類弱睦；
5、將canopy聚類結(jié)果作為kmeans聚類初始點渊额，進行kmeans聚類况木；
6、根據(jù)聚類結(jié)果進行協(xié)同過濾推薦旬迹；
7火惊、計算推薦算法測評指標(biāo)mae值。
1屹耐、項目目錄
2、項目運行主方法
3椿猎、常量數(shù)據(jù)
4惶岭、構(gòu)建用戶-項目評分矩陣
5、Canopy聚類算法
6鸵贬、Kmeans聚類算法
7俗他、協(xié)同過濾推薦算法
8、協(xié)同過濾推薦算法測評MAE值
1兆衅、輸入目標(biāo)用戶ID和構(gòu)建用戶-項目評分矩陣
2、Canopy聚類算法部分結(jié)果
3、Kmeans聚類算法運算過程
4羡亩、Kmeans聚類算法部分結(jié)果
5摩疑、相似度、最近鄰等結(jié)果
6畏铆、推薦結(jié)果和測評指標(biāo)MAE
