我們嘗試將判別技術應用於實際，並使用MovieLens所提供的數據集為例展開。
MovieLens是一個推薦系統和虛擬社區網站，它的主要功能是運用協同過濾技術，以及所收集到的用戶對電影的喜好信息，來向用戶推薦電影。
具體來說，MovieLens可根據用戶對一部分電影的評分，預測出該用戶對其他電影的評分情況。當一個新用戶進入MovieLens，他需要對15部電影評分，評分範圍為1~5分，評分間隔為0.5分。這樣一來，當用戶查看某部電影時，MovieLens的推薦系統就可以根據之前獲取的該用戶電影偏好信息，即以往的評分來預測其對該電影的評分。 而推薦系統中最古老，同時也是最著名的算法就是K最近鄰（kNN）算法。
kNN與推薦
kNN的一般原理在之前已經說明，這裡為了自然地將此算法應用於推薦系統，我們結合推薦系統的基本思想對kNN原理進行更為具體通俗地闡述。
首先，kNN的基本思想簡單來說就是，要評價一個未知的東西U，就去尋找K個與U相似的已知的東西，看看這些已知的東西大多是屬於什麼水平、什麼程度、什麼類別，據此就可以估計出U的水平、程度、類別。就像我們平常所說的，要看出一個人的性格，就去看他周圍的朋友們都是怎樣的一些人，這與kNN的原理是一個道理。
而運用於推薦系統中，我們以電影為例，假如我們現在想要預測一位註冊名為A的用戶對電影M的評分，根據kNN的思想，我們就可以找出K個與A對其他電影給予相似評分，且對電影M已經進行評分的用戶，然後再用這K個用戶對M的評分來預測A對M的評分。這種找相似用戶的方法被稱之為基於用戶的kNN（User-based kNN）。
另外，我們也可以先找出K個與電影M相似的，並且A評價過的電影，然後再用這K部電影的評分來預測A對M的評分。這種找相似物品的方法叫作基於項目的kNN（Item-based kNN）。
MovieLens數據集說明
這裡給出一個數據集的下載地址：http://download.csdn.net/download/zhongwen7710/8510549，其中共有3個規模等級的數據集可供下載，分別為100k、1M、10M,其結構內容相同，僅樣本量不同。這裡我們選用100k的數據集，它包含1000位用戶對1700部電影的評分信息。我們對其中3個重要的數據文件愛你進行說明。
u.data：含有943位用戶對1682部電影總計10萬條評分，且每位用戶至少記錄了其對20部電影的評分。格式上，每條數據按照永固ID（user id）、電影ID（item id）、評分（rating）以及時間戳（timestamp）4個變量列示，樣本排序是無序的，其中我們將主要用到前三個變量信息。
u.item：記錄每部電影的信息，包括電影ID（item id）、電影名稱（movie title）、上映時間（release date）、視頻發佈時間（video release date）、網絡電影資料庫的網址（IMDb URL），以及是否為某類型電影的一系列二分變量，如是否為動作片（Action）、冒險片（Adventure）、動畫片（Animation）等，這是探究各電影間相似性的重要數據資料。
u.user：記錄每位用戶的基本信息，包括用戶ID（user id）、年齡（age）、性別（gender）、職業（occupation）以及郵編（zip code）。這是探究各用戶間相似性的重要信息來源。
相關推薦
