解释每一句代码的功能。 import pandas as pd import numpy as np from sklearn.metrics.pairwise import cosine_similarity from sklearn.model_selection import train_test_split # 加载数据 ratings = pd.read_csv('D:/py_code/ml-latest-small/ml-latest-small/ratings.csv') movies = pd.read_csv('D:/py_code/ml-latest-small/ml-latest-small/movies.csv') # 划分训练集和测试集 train_ratings, test_ratings = train_test_split(ratings, test_size=0.2, stratify=ratings['userId'], random_state=42) # 创建训练矩阵（填充用户平均分） train_matrix = train_ratings.pivot_table(index='userId', columns='movieId', values='rating') user_means = train_matrix.mean(axis=1) train_matrix_filled = train_matrix.apply(lambda row: row.fillna(user_means[row.name]), axis=1) train_matrix_filled.fillna(0, inplace=True) # 计算用户相似度矩阵 user_similarity = cosine_similarity(train_matrix_filled) user_similarity_df = pd.DataFrame(user_similarity, index=train_matrix_filled.index, columns=train_matrix_filled.index) # 定义预测函数 def predict_rating(user_id, movie_id, k=20): try: user_index = train_matrix_filled.index.get_loc(user_id) except KeyError: return 0 # 用户不在训练集中 if movie_id not in train_matrix_filled.columns: return 0 # 电影不在训练集中 # 获取相似用户 sim_users = user_similarity_df[user_id].sort_values(ascending=False).index[1:k + 1] # 计算加权评分 weighted_sum = 0 sum_sim = 0 for sim_user in sim_users: sim = user_similarity_df.loc[user_id, sim_user] rating = train_matrix_filled.loc[sim_user, movie_id] if rating > 0: weighted_sum += sim * rating sum_sim += sim return weighted_sum / sum_sim if sum_sim != 0 else 0 # 评估模型 threshold = 4.0 top_n = 100 total_tp = total_fp = total_fn = 0 for user_id in test_ratings['userId'].unique(): # 获取测试集候选电影 user_test = test_ratings[(test_ratings['userId'] == user_id) & (test_ratings['rating'] >= threshold)] actual_positives = user_test['movieId'].tolist() # 生成推荐列表 rated_movies = train_ratings[train_ratings['userId'] == user_id]['movieId'] candidate_movies = test_ratings[test_ratings['userId'] == user_id]['movieId'] candidate_movies = candidate_movies[~candidate_movies.isin(rated_movies)] predictions = [] for movie_id in candidate_movies: pred = predict_rating(user_id, movie_id) predictions.append((movie_id, pred)) predictions.sort(key=lambda x: x[1], reverse=True) recommended = [x[0] for x in predictions[:top_n]] # 计算指标 tp = len(set(recommended) & set(actual_positives)) fp = len(recommended) - tp fn = len(actual_positives) - tp total_tp += tp total_fp += fp total_fn += fn # 计算全局指标 precision = total_tp / (total_tp + total_fp) if (total_tp + total_fp) > 0 else 0 recall = total_tp / (total_tp + total_fn) if (total_tp + total_fn) > 0 else 0 f1 = 2 * (precision * recall) / (precision + recall) if (precision + recall) > 0 else 0 # 用户输入及推荐 def recommend_movies(user_id, top_n=100): rated = train_ratings[train_ratings['userId'] == user_id]['movieId'] all_movies = ratings['movieId'].unique() unrated = np.setdiff1d(all_movies, rated) predictions = [] for movie_id in unrated: pred = predict_rating(user_id, movie_id) predictions.append((movie_id, pred)) predictions.sort(key=lambda x: x[1], reverse=True) top_movies = [x[0] for x in predictions[:top_n]] return movies[movies['movieId'].isin(top_movies)]['title'].tolist() # 示例使用 user_id = int(input("请输入用户ID: ")) print("\n推荐电影列表:") print("\n".join(recommend_movies(user_id))) print("\n模型评估指标:") print(f"精确率: {precision:.4f}") print(f"召回率: {recall:.4f}") print(f"F1值: {f1:.4f}")

<think>好的，我现在需要解释这段代码的每一句功能。首先，我得通读整个代码，理解每一部分的作用。用户希望逐句解释，所以我得按顺序来，确保每个关键步骤都覆盖到。 首先，导入库的部分。看到pandas、numpy、cosine_similarity、train_test_split，这些应该是数据处理、相似度计算和数据划分用的。然后加载数据，ratings.csv和movies.csv，这应该是评分和电影信息的数据集。 接下来是划分训练集和测试集，使用train_test_split，test_size是0.2，stratify按userId分层抽样，保证分布一致。这里可能需要解释stratify的作用，保持用户分布均匀。 然后是创建训练矩阵，用pivot_table生成用户-电影评分矩阵，填充用户平均分。这里可能遇到NaN，所以用apply填充每行的平均值，之后用fillna(0)处理剩余缺失值，可能是没有评分的电影。 计算用户相似度矩阵，使用cosine_similarity计算用户之间的余弦相似度，转换成DataFrame，索引是用户ID，方便后续查询。 定义predict_rating函数，预测用户对某部电影的评分。这里需要处理用户或电影不在训练集中的情况，返回0。然后找到最相似的k个用户，计算加权评分，相似度乘以评分，再归一化。如果相似度总和为0，则返回0。 评估模型部分，设定阈值和top_n，初始化TP、FP、FN。遍历测试集中的每个用户，获取实际喜欢的电影（评分高于阈值），生成候选电影（排除已评分的），预测评分并排序，取top_n作为推荐。计算TP、FP、FN，累加后计算全局的精确率、召回率和F1值。 用户输入及推荐函数recommend_movies，找出用户未评分的电影，预测评分，返回最高分的top_n电影标题。 最后示例使用，输入用户ID，输出推荐列表和评估指标。 在解释过程中，需要注意技术细节，比如pivot_table的应用，填充方法，相似度计算的具体实现，评估指标的计算方式等。同时要确保用中文清晰表达，符合用户的要求。如果有不确定的地方，比如填充平均值的方法是否正确，或者相似用户是否排除自己，可能需要检查代码逻辑。比如在获取相似用户时，用了index[1:k+1]，可能排除了第一个（自己），因为相似度排序后第一个是用户自己，相似度为1，所以需要跳过。这部分需要确认是否正确。 另外，评估部分，候选电影是从测试集中选取，并且排除已评分的，是否正确？可能用户已经评分过的在训练集中，测试集里的评分是未参与训练的。这里需要确保生成推荐时没有使用测试集中的评分数据，避免数据泄漏。 在predict函数中，如果用户或电影不在训练集，返回0是否合理？或者是否有其他处理方式？比如新用户的冷启动问题，这里可能直接返回0，但实际应用中可能需要其他策略。 最后，示例使用部分，用户输入ID后，调用推荐函数并展示结果，同时输出模型评估指标。整个过程是否完整，是否符合协同过滤的基本流程，比如基于用户的协同过滤，使用余弦相似度，预测评分，然后推荐。 总结下来，逐句解释需要覆盖每个代码块的功能，技术细节，以及可能的注意事项，确保用户能理解整个推荐系统的实现流程。</think>以下是代码逐句功能解释： --- ### 一、库导入 ```python import pandas as pd import numpy as np from sklearn.metrics.pairwise import cosine_similarity from sklearn.model_selection import train_test_split ``` - `pandas`：数据处理库，用于读取CSV和创建数据矩阵 - `numpy`：数值计算库，处理数组操作 - `cosine_similarity`：计算用户之间的余弦相似度 - `train_test_split`：将数据集划分为训练集和测试集 --- ### 二、数据加载 ```python ratings = pd.read_csv('D:/py_code/ml-latest-small/ml-latest-small/ratings.csv') movies = pd.read_csv('D:/py_code/ml-latest-small/ml-latest-small/movies.csv') ``` - 读取用户评分数据（userId, movieId, rating）和电影元数据（movieId, title, genres） --- ### 三、数据集划分 ```python train_ratings, test_ratings = train_test_split(ratings, test_size=0.2, stratify=ratings['userId'], random_state=42) ``` - 按用户ID分层抽样，80%作为训练集，20%作为测试集 - `stratify`确保每个用户在训练集和测试集中分布一致 --- ### 四、创建训练矩阵 ```python train_matrix = train_ratings.pivot_table(index='userId', columns='movieId', values='rating') ``` - 生成用户-电影评分矩阵（存在大量NaN值） ```python user_means = train_matrix.mean(axis=1) train_matrix_filled = train_matrix.apply(lambda row: row.fillna(user_means[row.name]), axis=1) ``` - 用每个用户的平均评分填充缺失值（处理未评分电影） ```python train_matrix_filled.fillna(0, inplace=True) ``` - 剩余未填充的NaN（用户未评分且无平均分）填0 --- ### 五、计算用户相似度 ```python user_similarity = cosine_similarity(train_matrix_filled) user_similarity_df = pd.DataFrame(user_similarity, index=train_matrix_filled.index, columns=train_matrix_filled.index) ``` - 使用余弦相似度计算用户间相似性 - 将结果转换为DataFrame，索引和列均为用户ID --- ### 六、评分预测函数 ```python def predict_rating(user_id, movie_id, k=20): # 异常处理：用户或电影不存在时返回0 # 获取相似度最高的k个用户（排除自己） # 加权计算预测评分：相似度 * 评分 / 相似度总和 ``` - 核心逻辑：基于相似用户的评分加权预测目标用户的评分 --- ### 七、模型评估 ```python threshold = 4.0 # 定义高评分阈值 top_n = 100 # 推荐列表长度 # 遍历测试用户，计算TP/FP/FN ``` - 评估指标： - **精确率**：推荐列表中正确的比例（$Precision = \frac{TP}{TP+FP}$） - **召回率**：实际高评分中被推荐的比例（$Recall = \frac{TP}{TP+FN}$） - **F1值**：精确率和召回率的调和平均（$F1 = \frac{2 \times Precision \times Recall}{Precision + Recall}$） --- ### 八、推荐函数 ```python def recommend_movies(user_id, top_n=100): # 找出用户未评分的电影 # 预测评分并排序返回Top-N ``` - 通过`np.setdiff1d`计算未评分电影 - 调用预测函数生成推荐列表 --- ### 九、交互演示 ```python user_id = int(input("请输入用户ID: ")) print(recommend_movies(user_id)) print(f"精确率: {precision:.4f}") ``` - 接收用户输入，输出推荐结果和评估指标 --- ### 代码特点 1. **冷启动处理**：对未知用户/电影返回0 2. **数据填充策略**：用用户平均分填补缺失值 3. **高效计算**：预计算用户相似度矩阵 4. **评估方法**：基于Top-N推荐的分类指标 需要改进的点：未处理新用户冷启动问题，可考虑加入流行度推荐作为fallback策略。