这节课我们来学习K近邻在推荐系统中的应用，你将完成本课程的第一个实战项目：基于KNN的电影推荐系统！为了使你能够顺利地完成实战内容，我们先了解一下推荐系统中的基础知识。
基于近邻用户的协同过滤
假定有一个场景：某个周日的下午，你感觉很无聊，然后从电脑上打开了一个视频网站，想看下最近有什么好看的电影。然而你发现网站上的热门电影基本都看过，其他的电影又太多，不知道该看什么。想使用搜索框去查一下，但是又不知道该搜什么关键词，这个时候你的内心很焦灼，总不能挨个去尝试吧，那时间成本也太大了…
仔细想想还是有办法的，那就是问一下你的好朋友，他最近喜欢看什么电影，让他给你推荐几部好看的电影，这样就省去了自己去挑选和尝试的时间了。
这种思想其实就是基于近邻用户的协同过滤算法（简称UserCF）：给用户 A 推荐和他有着相似观影兴趣的用户 B 喜欢观看的电影。如图所示：
从图中可以看出，用户 A 的好友用户 B 喜欢看电影 2、3、4，恰好电影 3 和电影 4 用户 A 没有看过，所以就可以把电影 3 和电影 4 推荐给用户 A 。
基于近邻用户的协同过滤算法很容易给出的推荐理由是：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/hz/110638.html