# ML
machine learning
CF：
采用基于物品和基于用户的协同过滤算法预测用户对物品的评分。先找出与目标物品相似的K个物品。将这K个物品，评价过目标物品的用户评价过的物品集合取交集，作为下一步寻找相似用户的条件。找出相似用户后，加权计算预测值。
步骤：
（1）计算物品间的余弦相似度，得到与目标物品最相似的K个物品集合simmjkDict。
（2）从评价过目标物品的用户集合中，找出符合要求的用户，要求如下：
①对于评价过目标物品的用户集合中的两个用户m，j计算相似度，ci = 这两个用户评价过的物品的交集，与与目标物品最相似的K个物品集合simmjkDict取交集；
通过对ci集合中物品的评分，计算这两个用户之间的相似度。
②从用户间相似度字典中，删除相似度小于阈值的用户，同时删除没有相似用户的用户。
如果找不出符合要求的用户，则无法预测。
（3）将与目标用户最相似的用户对目标物品的评分值，以相似度为权，计算出的加权平均值作为目标用户对目标物品评分预测值。