文件名称：Netflix评级：使用现有数据预测新电影的评级
文件大小：700KB
文件格式：ZIP
更新时间：2024-03-11 22:28:31
Python
Netflix评级 要求： 要运行此项目，您需要Python 3.x和以下python软件包： 脾气暴躁的 西皮 CSV 大熊猫 资料集： 培训数据集包含功能/属性的100万笔交易/记录（用户-电影对）： <影片ID，客户ID，评级，推荐日期>作为您的培训集以及 <电影ID，发布日期的电影名称>的另一个数据集。 观察与结论： 由于评分是1-5，并且仅在我们将新生成的预测用于其他功能（如电影评分的推荐和标准化）时才可以使用整数，因此这两种方法的结果非常相似。 但是，由于我们拥有的训练集非常稀疏，因此频谱聚类方法的效果相对较差。 有一种情况，在某个群集c中，没有人给电影j评分，因此预测值仅为3（默认值）。 这是非常不合理的，因此我们必须减小k的值以缓解它。 但是，使用较小的k值也会带来副作用，即，没有足够的群集来分离行为不同的用户。 最后，许多用户可能具有相似的预测值。 我认为这是
【文件预览】：
Netflix-rating-master
----README.md(2KB)
----matrix()
--------ChuyuanQu_preds_matrix.txt(1.4MB)
--------matrixcom.py(2KB)
--------ReadMe for MatCom(2KB)
----clustering()
--------clustering.py(3KB)
--------ReadMe For Clustering(2KB)
--------ChuyuanQu_preds_clustering.txt(1.28MB)