摘要：默認(rèn)值為返回值，一個(gè)對(duì)象，包含了原生用戶原生項(xiàng)目真實(shí)評(píng)分預(yù)測(cè)評(píng)分可能對(duì)后面預(yù)測(cè)有用的一些其他的詳細(xì)信息在給定的測(cè)試集上測(cè)試算法，即估計(jì)給定測(cè)試集中的所有評(píng)分。

這里的格式并沒(méi)有做過(guò)多的處理，可參考于OneNote筆記鏈接

由于OneNote取消了單頁(yè)分享，如果需要請(qǐng)留下郵箱，我會(huì)郵件發(fā)送pdf版本，后續(xù)再解決這個(gè)問(wèn)題

推薦算法庫(kù)surprise安裝

pip install surprise

基本用法
? 自動(dòng)交叉驗(yàn)證

  # Load the movielens-100k dataset (download it if needed),
    data = Dataset.load_builtin("ml-100k")
            # We"ll use the famous SVD algorithm.
    algo = SVD()
            # Run 5-fold cross-validation and print results
    cross_validate(algo, data, measures=["RMSE", "MAE"], cv=5, verbose=True)
            load_builtin方法會(huì)自動(dòng)下載“movielens-100k”數(shù)據(jù)集，放在.surprise_data目錄下面
        ? 使用自定義的數(shù)據(jù)集
            # path to dataset file
    file_path = os.path.expanduser("~/.surprise_data/ml-100k/ml-100k/u.data")
            # As we"re loading a custom dataset, we need to define a reader. In the
    # movielens-100k dataset, each line has the following format:
    # "user item rating timestamp", separated by "	" characters.
    reader = Reader(line_format="user item rating timestamp", sep="	")
            data = Dataset.load_from_file(file_path, reader=reader)
            # We can now use this dataset as we please, e.g. calling cross_validate
    cross_validate(BaselineOnly(), data, verbose=True)

交叉驗(yàn)證

    ○ cross_validate(算法，數(shù)據(jù)集，評(píng)估模塊measures=[]，交叉驗(yàn)證折數(shù)cv)
    ○ 通過(guò)test方法和KFold也可以對(duì)數(shù)據(jù)集進(jìn)行更詳細(xì)的操作，也可以使用LeaveOneOut或是ShuffleSplit
    from surprise import SVD
    from surprise import Dataset
    from surprise import accuracy
    from surprise.model_selection import Kfold
    
    # Load the movielens-100k dataset
    data = Dataset.load_builtin("ml-100k")
    
    # define a cross-validation iterator
    kf = KFold(n_splits=3)
    
    algo = SVD()
    for trainset, testset in kf.split(data):
        # train and test algorithm.
        algo.fit(trainset)
        predictions = algo.test(testset)
        # Compute and print Root Mean Squared Error
        accuracy.rmse(predictions, verbose=True)

使用GridSearchCV來(lái)調(diào)節(jié)算法參數(shù)

如果需要對(duì)算法參數(shù)來(lái)進(jìn)行比較測(cè)試，GridSearchCV類可以提供解決方案

例如對(duì)SVD的參數(shù)嘗試不同的值

from surprise import SVD
from surprise import Dataset
from surprise.model_selection import GridSearchCV

# Use movielens-100K
data = Dataset.load_builtin("ml-100k")

param_grid = {"n_epochs": [5, 10], "lr_all": [0.002, 0.005],
              "reg_all": [0.4, 0.6]}

gs = GridSearchCV(SVD, param_grid, measures=["rmse", "mae"], cv=3)
gs.fit(data)

# best RMSE score
print(gs.best_score["rmse"])
# combination of parameters that gave the best RMSE score
print(gs.best_params["rmse"])

# We can now use the algorithm that yields the best rmse:
algo = gs.best_estimator["rmse"]
algo.fit(data.build_full_trainset())

使用預(yù)測(cè)算法

    ○ 基線估算配置
        § 在使用最小二乘法（ALS）時(shí)傳入?yún)?shù)：
            1) reg_i：項(xiàng)目正則化參數(shù)，默認(rèn)值為10
            2) reg_u：用戶正則化參數(shù)，默認(rèn)值為15
            3) n_epochs：als過(guò)程中的迭代次數(shù)，默認(rèn)值為10
            print("Using ALS")
            bsl_options = {"method": "als",
                           "n_epochs": 5,
                           "reg_u": 12,
                           "reg_i": 5
                           }
            algo = BaselineOnly(bsl_options=bsl_options)
        § 在使用隨機(jī)梯度下降（SGD）時(shí)傳入?yún)?shù)：
            1) reg：優(yōu)化成本函數(shù)的正則化參數(shù)，默認(rèn)值為0.02
            2) learning_rate：SGD的學(xué)習(xí)率，默認(rèn)值為0.005
            3) n_epochs：SGD過(guò)程中的迭代次數(shù)，默認(rèn)值為20
            print("Using SGD")
            bsl_options = {"method": "sgd",
                           "learning_rate": .00005,
                           }
            algo = BaselineOnly(bsl_options=bsl_options)
        § 在創(chuàng)建KNN算法時(shí)候來(lái)傳遞參數(shù)
            bsl_options = {"method": "als",
                           "n_epochs": 20,
                           }
            sim_options = {"name": "pearson_baseline"}
            algo = KNNBasic(bsl_options=bsl_options, sim_options=sim_options)
    ○ 相似度配置
        § name：要使用的相似度名稱，默認(rèn)是MSD
        § user_based：是否時(shí)基于用戶計(jì)算相似度，默認(rèn)為True
        § min_support：最小的公共數(shù)目，當(dāng)最小的公共用戶或者公共項(xiàng)目小于min_support時(shí)候，相似度為0
        § shrinkage：收縮參數(shù)，默認(rèn)值為100
        i. sim_options = {"name": "cosine",
                       "user_based": False  # compute  similarities between items
                       }
        algo = KNNBasic(sim_options=sim_options)
        ii. sim_options = {"name": "pearson_baseline",
                       "shrinkage": 0  # no shrinkage
                       }
        algo = KNNBasic(sim_options=sim_options)
? 其他一些問(wèn)題
    ○ 如何獲取top-N的推薦
        

from collections import defaultdict
            
            from surprise import SVD
            from surprise import Dataset
            
            
            def get_top_n(predictions, n=10):
                """Return the top-N recommendation for each user from a set of predictions.
            
                Args:
                    predictions(list of Prediction objects): The list of predictions, as
                        returned by the test method of an algorithm.
                    n(int): The number of recommendation to output for each user. Default
                        is 10.
            
                Returns:
                A dict where keys are user (raw) ids and values are lists of tuples:
                    [(raw item id, rating estimation), ...] of size n.
                """
            
                # First map the predictions to each user.
                top_n = defaultdict(list)
                for uid, iid, true_r, est, _ in predictions:
                    top_n[uid].append((iid, est))
            
                # Then sort the predictions for each user and retrieve the k highest ones.
                for uid, user_ratings in top_n.items():
                    user_ratings.sort(key=lambda x: x[1], reverse=True)
                    top_n[uid] = user_ratings[:n]
            
                return top_n
            
            
            # First train an SVD algorithm on the movielens dataset.
            data = Dataset.load_builtin("ml-100k")
            trainset = data.build_full_trainset()
            algo = SVD()
            algo.fit(trainset)
            
            # Than predict ratings for all pairs (u, i) that are NOT in the training set.
            testset = trainset.build_anti_testset()
            predictions = algo.test(testset)
            
            top_n = get_top_n(predictions, n=10)
            
            # Print the recommended items for each user
            for uid, user_ratings in top_n.items():
                print(uid, [iid for (iid, _) in user_ratings])
    ○ 如何計(jì)算精度
    

from collections import defaultdict

    
    from surprise import Dataset
    from surprise import SVD
    from surprise.model_selection import KFold
    
    
    def precision_recall_at_k(predictions, k=10, threshold=3.5):
        """Return precision and recall at k metrics for each user."""
    
        # First map the predictions to each user.
        user_est_true = defaultdict(list)
        for uid, _, true_r, est, _ in predictions:
            user_est_true[uid].append((est, true_r))
    
        precisions = dict()
        recalls = dict()
        for uid, user_ratings in user_est_true.items():
    
            # Sort user ratings by estimated value
            user_ratings.sort(key=lambda x: x[0], reverse=True)
    
            # Number of relevant items
            n_rel = sum((true_r >= threshold) for (_, true_r) in user_ratings)
    
            # Number of recommended items in top k
            n_rec_k = sum((est >= threshold) for (est, _) in user_ratings[:k])
    
            # Number of relevant and recommended items in top k
            n_rel_and_rec_k = sum(((true_r >= threshold) and (est >= threshold))
                                  for (est, true_r) in user_ratings[:k])
    
            # Precision@K: Proportion of recommended items that are relevant
            precisions[uid] = n_rel_and_rec_k / n_rec_k if n_rec_k != 0 else 1
    
            # Recall@K: Proportion of relevant items that are recommended
            recalls[uid] = n_rel_and_rec_k / n_rel if n_rel != 0 else 1
    
        return precisions, recalls
    
    
    data = Dataset.load_builtin("ml-100k")
    kf = KFold(n_splits=5)
    algo = SVD()
    
    for trainset, testset in kf.split(data):
        algo.fit(trainset)
        predictions = algo.test(testset)
        precisions, recalls = precision_recall_at_k(predictions, k=5, threshold=4)
    
        # Precision and recall can then be averaged over all users
        print(sum(prec for prec in precisions.values()) / len(precisions))
        print(sum(rec for rec in recalls.values()) / len(recalls))
    ○ 如何獲得用戶（或項(xiàng)目）的k個(gè)最近鄰居
    

import io # needed because of weird encoding of u.item file

    
    from surprise import KNNBaseline
    from surprise import Dataset
    from surprise import get_dataset_dir
    
    
    def read_item_names():
        """Read the u.item file from MovieLens 100-k dataset and return two
        mappings to convert raw ids into movie names and movie names into raw ids.
        """
    
        file_name = get_dataset_dir() + "/ml-100k/ml-100k/u.item"
        rid_to_name = {}
        name_to_rid = {}
        with io.open(file_name, "r", encoding="ISO-8859-1") as f:
            for line in f:
                line = line.split("|")
                rid_to_name[line[0]] = line[1]
                name_to_rid[line[1]] = line[0]
    
        return rid_to_name, name_to_rid
    
    
    # First, train the algortihm to compute the similarities between items
    data = Dataset.load_builtin("ml-100k")
    trainset = data.build_full_trainset()
    sim_options = {"name": "pearson_baseline", "user_based": False}
    algo = KNNBaseline(sim_options=sim_options)
    algo.fit(trainset)
    
    # Read the mappings raw id <-> movie name
    rid_to_name, name_to_rid = read_item_names()
    
    # Retrieve inner id of the movie Toy Story
    toy_story_raw_id = name_to_rid["Toy Story (1995)"]
    toy_story_inner_id = algo.trainset.to_inner_iid(toy_story_raw_id)
    
    # Retrieve inner ids of the nearest neighbors of Toy Story.
    toy_story_neighbors = algo.get_neighbors(toy_story_inner_id, k=10)
    
    # Convert inner ids of the neighbors into names.
    toy_story_neighbors = (algo.trainset.to_raw_iid(inner_id)
                           for inner_id in toy_story_neighbors)
    toy_story_neighbors = (rid_to_name[rid]
                           for rid in toy_story_neighbors)
    
    print()
    print("The 10 nearest neighbors of Toy Story are:")
    for movie in toy_story_neighbors:
        print(movie)
    ○ 解釋一下什么是raw_id和inner_id？
        i. 用戶和項(xiàng)目有自己的raw_id和inner_id，原生id是評(píng)分文件或者pandas數(shù)據(jù)集中定義的id，重點(diǎn)在于要知道你使用predict()或者其他方法時(shí)候接收原生的id
        ii. 在訓(xùn)練集創(chuàng)建時(shí)，每一個(gè)原生的id映射到inner id（這是一個(gè)唯一的整數(shù)，方便surprise操作），原生id和內(nèi)部id之間的轉(zhuǎn)換可以用訓(xùn)練集中的to_inner_uid(), to_inner_iid(), to_raw_uid(), 以及to_raw_iid()方法
    ○ 默認(rèn)數(shù)據(jù)集下載到了哪里？怎么修改這個(gè)位置
        i. 默認(rèn)數(shù)據(jù)集下載到了——“~/.surprise_data”中
        ii. 如果需要修改，可以通過(guò)設(shè)置“SURPRISE_DATA_FOLDER”環(huán)境變量來(lái)修改位置
? API合集
    ○ 推薦算法包
        random_pred.NormalPredictor    Algorithm predicting a random rating based on the distribution of the training set, which is assumed to be normal.
        baseline_only.    BaselineOnly    Algorithm predicting the baseline estimate for given user and item.
        knns.KNNBasic    A basic collaborative filtering algorithm.
        knns.KNNWithMeans    A basic collaborative filtering algorithm, taking into account the mean ratings of each user.
        knns.KNNWithZScore    A basic collaborative filtering algorithm, taking into account the z-score normalization of each user.
        knns.KNNBaseline    A basic collaborative filtering algorithm taking into account a baseline rating.
        matrix_factorization.SVD    The famous SVD algorithm, as popularized by Simon Funk during the Netflix Prize.
        matrix_factorization.SVDpp        The SVD++ algorithm, an extension of SVD taking into account implicit ratings.
        matrix_factorization.NMF    A collaborative filtering algorithm based on Non-negative Matrix Factorization.
        slope_one.SlopeOne        A simple yet accurate collaborative filtering algorithm.
        co_clustering.CoClustering    A collaborative filtering algorithm based on co-clustering.
    ○ 推薦算法基類
        § class surprise.prediction_algorithms.algo_base.AlgoBase(**kwargs)
        § 如果算法需要計(jì)算相似度，那么baseline_options參數(shù)可以用來(lái)配置
        § 方法介紹：
            1) compute_baselines() 計(jì)算用戶和項(xiàng)目的基線，這個(gè)方法只能適用于Pearson相似度或者BaselineOnly算法，返回一個(gè)包含用戶相似度和用戶相似度的元組
            2) compute_similarities() 相似度矩陣，計(jì)算相似度矩陣的方式取決于sim_options算法創(chuàng)建時(shí)候所傳遞的參數(shù)，返回相似度矩陣
            3) default_preditction() 默認(rèn)的預(yù)測(cè)值，如果計(jì)算期間發(fā)生了異常，那么預(yù)測(cè)值則使用這個(gè)值。默認(rèn)情況下時(shí)所有評(píng)分的均值（可以在子類中重寫，以改變這個(gè)值），返回一個(gè)浮點(diǎn)類型
            4) fit(trainset) 在給定的訓(xùn)練集上訓(xùn)練算法，每個(gè)派生類都會(huì)調(diào)用這個(gè)方法作為訓(xùn)練算法的第一個(gè)基本步驟，它負(fù)責(zé)初始化一些內(nèi)部結(jié)構(gòu)和設(shè)置self.trainset屬性，返回self指針
            5) get_neighbors(iid, k) 返回inner id所對(duì)應(yīng)的k個(gè)最近鄰居的，取決于這個(gè)iid所對(duì)應(yīng)的是用戶還是項(xiàng)目（由sim_options里面的user_based是True還是False決定），返回K個(gè)最近鄰居的內(nèi)部id列表
            6) predict(uid, iid, r_ui=None, clip=True, verbose=False) 計(jì)算給定的用戶和項(xiàng)目的評(píng)分預(yù)測(cè)，該方法將原生id轉(zhuǎn)換為內(nèi)部id，然后調(diào)用estimate每個(gè)派生類中定義的方法。如果結(jié)果是一個(gè)不可能的預(yù)測(cè)結(jié)果，那么會(huì)根據(jù)default_prediction()來(lái)計(jì)算預(yù)測(cè)值
            另外解釋一下clip，這個(gè)參數(shù)決定是否對(duì)預(yù)測(cè)結(jié)果進(jìn)行近似。舉個(gè)例子來(lái)說(shuō)，如果預(yù)測(cè)結(jié)果是5.5，而評(píng)分的區(qū)間是[1,5]，那么將預(yù)測(cè)結(jié)果修改為5；如果預(yù)測(cè)結(jié)果小于1，那么修改為1。默認(rèn)為True
            verbose參數(shù)決定了是否打印每個(gè)預(yù)測(cè)的詳細(xì)信息。默認(rèn)值為False
            返回值，一個(gè)rediction對(duì)象，包含了：
                a) 原生用戶id
                b) 原生項(xiàng)目id
                c) 真實(shí)評(píng)分
                d) 預(yù)測(cè)評(píng)分
                e) 可能對(duì)后面預(yù)測(cè)有用的一些其他的詳細(xì)信息
            7) test(testset, verbose=False) 在給定的測(cè)試集上測(cè)試算法，即估計(jì)給定測(cè)試集中的所有評(píng)分。返回值是prediction對(duì)象的列表
            8) 
    ○ 預(yù)測(cè)模塊
        § surprise.prediction_algorithms.predictions模塊定義了Prediction命名元組和PredictionImpossible異常
        § Prediction
            □ 用于儲(chǔ)存預(yù)測(cè)結(jié)果的命名元組
            □ 僅用于文檔和打印等目的
            □ 參數(shù)：
                uid    原生用戶id
                iid    原生項(xiàng)目id
                r_ui    浮點(diǎn)型的真實(shí)評(píng)分
                est    浮點(diǎn)型的預(yù)測(cè)評(píng)分
                details    預(yù)測(cè)相關(guān)的其他詳細(xì)信息
        § surprise.prediction_algorithms.predictions.PredictionImpossible
            □ 當(dāng)預(yù)測(cè)不可能時(shí)候，出現(xiàn)這個(gè)異常
            □ 這個(gè)異常會(huì)設(shè)置當(dāng)前的預(yù)測(cè)評(píng)分變?yōu)槟J(rèn)值（全局平均值）
    ○ model_selection包
        § 交叉驗(yàn)證迭代器
            □ 該模塊中包含各種交叉驗(yàn)證迭代器：
                KFold    基礎(chǔ)交叉驗(yàn)證迭代器
                RepeatedKFold    重復(fù)KFold交叉驗(yàn)證迭代器
                ShuffleSplit    具有隨機(jī)訓(xùn)練集和測(cè)試集的基本交叉驗(yàn)證迭代器
                LeaveOneOut    交叉驗(yàn)證迭代器，其中每個(gè)用戶再測(cè)試集中只有一個(gè)評(píng)級(jí)
                PredefinedKFold    使用load_from_folds方法加載數(shù)據(jù)集時(shí)的交叉驗(yàn)證迭代器
            □ 該模塊中還包含了將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集的功能
                train_test_split(data, test_size=0,2, train_size=None, random_state=None, shuffle=True)
                     data，要拆分的數(shù)據(jù)集
                     test_size，如果是浮點(diǎn)數(shù)，表示要包含在測(cè)試集中的評(píng)分比例；如果是整數(shù)，則表示測(cè)試集中固定的評(píng)分?jǐn)?shù)；如果是None，則設(shè)置為訓(xùn)練集大小的補(bǔ)碼；默認(rèn)為0.2
                     train_size，如果是浮點(diǎn)數(shù)，表示要包含在訓(xùn)練集中的評(píng)分比例；如果是整數(shù)，則表示訓(xùn)練集中固定的評(píng)分?jǐn)?shù)；如果是None，則設(shè)置為訓(xùn)練集大小的補(bǔ)碼；默認(rèn)為None
                     random_state，整形，一個(gè)隨機(jī)種子，如果多次拆分后獲得的訓(xùn)練集和測(cè)試集沒(méi)有多大分別，可以用這個(gè)參數(shù)來(lái)定義隨機(jī)種子
                     shuffle，布爾值，是否在數(shù)據(jù)集中改變?cè)u(píng)分，默認(rèn)為True
        § 交叉驗(yàn)證
            surprise.model_selection.validation.cross_validate(algo, data, measures=[u"rmse"，u"mae"], cv=None, return_train_measures=False, n_jobs=1, pre_dispatch=u"2 * n_jobs", verbose=False)
                ? algo，算法
                ? data，數(shù)據(jù)集
                ? measures，字符串列表，指定評(píng)估方案
                ? cv，交叉迭代器或者整形或者None，如果是迭代器那么按照指定的參數(shù)；如果是int，則使用KFold交叉驗(yàn)證迭代器，以參數(shù)為折疊次數(shù)；如果是None，那么使用默認(rèn)的KFold，默認(rèn)折疊次數(shù)5
                ? return_train_measures，是否計(jì)算訓(xùn)練集的性能指標(biāo)，默認(rèn)為False
                ? n_jobs，整形，并行進(jìn)行評(píng)估的最大折疊數(shù)。如果為-1，那么使用所有的CPU；如果為1，那么沒(méi)有并行計(jì)算（有利于調(diào)試）；如果小于-1，那么使用（CPU數(shù)目 + n_jobs + 1）個(gè)CPU計(jì)算；默認(rèn)值為1
                ? pre_dispatch，整形或者字符串，控制在并行執(zhí)行期間調(diào)度的作業(yè)數(shù)。（減少這個(gè)數(shù)量可有助于避免在分配過(guò)多的作業(yè)多于CPU可處理內(nèi)容時(shí)候的內(nèi)存消耗）這個(gè)參數(shù)可以是：
                     None，所有作業(yè)會(huì)立即創(chuàng)建并生成
                     int，給出生成的總作業(yè)數(shù)確切數(shù)量
                     string，給出一個(gè)表達(dá)式作為函數(shù)n_jobs，例如“2*n_jobs”
                默認(rèn)為2*n_jobs
            返回值是一個(gè)字典：
                ? test_*，*對(duì)應(yīng)評(píng)估方案，例如“test_rmse”
                ? train_*，*對(duì)應(yīng)評(píng)估方案，例如“train_rmse”。當(dāng)return_train_measures為True時(shí)候生效
                ? fit_time，數(shù)組，每個(gè)分割出來(lái)的訓(xùn)練數(shù)據(jù)評(píng)估時(shí)間，以秒為單位
                ? test_time，數(shù)組，每個(gè)分割出來(lái)的測(cè)試數(shù)據(jù)評(píng)估時(shí)間，以秒為單位
        § 參數(shù)搜索
            □ class surprise.model_selection.search.GridSearchCV(algo_class, param_grid, measures=[u"rmse", u"mae"], cv=None, refit=False, return_train_measures=False, n_jobs=1, pre_dispatch=u"2 * n_jobs", joblib_verbose=0)
                ? 參數(shù)類似于上文中交叉驗(yàn)證
                ? refit，布爾或者整形。如果為True，使用第一個(gè)評(píng)估方案中最佳平均性能的參數(shù)，在整個(gè)數(shù)據(jù)集上重新構(gòu)造算法measures；通過(guò)傳遞字符串可以指定其他的評(píng)估方案；默認(rèn)為False
                ? joblib_verbose，控制joblib的詳細(xì)程度，整形數(shù)字越高，消息越多
            □ 內(nèi)部方法：
                a) best_estimator，字典，使用measures方案的最佳評(píng)估值，對(duì)所有的分片計(jì)算平均
                b) best_score，浮點(diǎn)數(shù)，計(jì)算平均得分
                c) best_params，字典，獲得measure中最佳的參數(shù)組合
                d) best_index，整數(shù)，獲取用于該指標(biāo)cv_results的最高精度（平均下來(lái)的）的指數(shù)
                e) cv_results，數(shù)組字典，measures中所有的參數(shù)組合的訓(xùn)練和測(cè)試的時(shí)間
                f) fit，通過(guò)cv參數(shù)給出不同的分割方案，對(duì)所有的參數(shù)組合計(jì)算
                g) predit，當(dāng)refit為False時(shí)候生效，傳入數(shù)組，見(jiàn)上文
                h) test，當(dāng)refit為False時(shí)候生效，傳入數(shù)組，見(jiàn)上文
            □ class surprise.model_selection.search.RandomizedSearchCV（algo_class，param_distributions，n_iter = 10，measures = [u"rmse"，u"mae"]，cv = None，refit = False，return_train_measures = False，n_jobs = 1，pre_dispatch = u"2 * n_jobs"，random_state =無(wú)，joblib_verbose = 0 ）
            隨機(jī)抽樣進(jìn)行計(jì)算而非像上面的進(jìn)行瓊劇
    ○ 相似度模塊
        § similarities模塊中包含了用于計(jì)算用戶或者項(xiàng)目之間相似度的工具：
            1) cosine
            2) msd
            3) pearson
            4) pearson_baseline
    ○ 精度模塊
        § surprise.accuracy模塊提供了用于計(jì)算一組預(yù)測(cè)的精度指標(biāo)的工具：
            1) rmse（均方根誤差）
            2) mae（平均絕對(duì)誤差）
            3) fcp
    ○ 數(shù)據(jù)集模塊
        § dataset模塊定義了用于管理數(shù)據(jù)集的Dataset類和其他子類
        § class surprise.dataset.Dataset（reader）
        § 內(nèi)部方法：
            1) load_builtin(name=u"ml-100k")，加載內(nèi)置數(shù)據(jù)集，返回一個(gè)Dataset對(duì)象
            2) load_from_df(df, reader)，df（dataframe），數(shù)據(jù)框架，要求必須具有三列（要求順序），用戶原生id，項(xiàng)目原生id，評(píng)分；reader，指定字段內(nèi)容
            3) load_from_file(file_path, reader)，從文件中加載數(shù)據(jù)，參數(shù)為路徑和讀取器
            4) load_from_folds(folds_files, reader)，處理一種特殊情況，movielens-100k數(shù)據(jù)集中已經(jīng)定義好了訓(xùn)練集和測(cè)試集，可以通過(guò)這個(gè)方法導(dǎo)入
    ○ 訓(xùn)練集類
        § class surprise.Trainset(ur, ir, n_users, n_items, n_ratings, rating_scale, offset, raw2inner_id_users, raw2inner_id_items)
        § 屬性分析：
            1) ur，用戶評(píng)分列表（item_inner_id，rating）的字典，鍵是用戶的inner_id
            2) ir，項(xiàng)目評(píng)分列表（user_inner_id，rating）的字典，鍵是項(xiàng)目的inner_id
            3) n_users，用戶數(shù)量
            4) n_items，項(xiàng)目數(shù)量
            5) n_ratings，總評(píng)分?jǐn)?shù)
            6) rating_scale，評(píng)分的最高以及最低的元組
            7) global_mean，所有評(píng)級(jí)的平均值
        § 方法分析：
            1) all_items()，生成函數(shù)，迭代所有項(xiàng)目，返回所有項(xiàng)目的內(nèi)部id
            2) all_ratings(),生成函數(shù)，迭代所有評(píng)分，返回一個(gè)(uid, iid, rating)的元組
            3) all_users()，生成函數(shù)，迭代所有的用戶，然會(huì)用戶的內(nèi)部id
            4) build_anti_testset(fill=None)，返回可以在test()方法中用作測(cè)試集的評(píng)分列表，參數(shù)決定填充未知評(píng)級(jí)的值，如果使用None則使用global_mean
            5) knows_item(iid)，標(biāo)志物品是否屬于訓(xùn)練集
            6) knows_user(uid)，標(biāo)志用戶是否屬于訓(xùn)練集
            7) to_inner_iid(riid)，將項(xiàng)目原始id轉(zhuǎn)換為內(nèi)部id
            8) to_innser_uid(ruid)，將用戶原始id轉(zhuǎn)換為內(nèi)部id
            9) to_raw_iid(iiid)，將項(xiàng)目的內(nèi)部id轉(zhuǎn)換為原始id
            10) to_raw_uid(iuid)，將用戶的內(nèi)部id轉(zhuǎn)換為原始id
    ○ 讀取器類
        § class surprise.reader.Reader(name=None, line_format=u"user item rating", sep=None, rating_scale=(1, 5), skip_lines=0)
        Reader類用于解析包含評(píng)分的文件，要求這樣的文件每行只指定一個(gè)評(píng)分，并且需要每行遵守這個(gè)接口：用戶；項(xiàng)目；評(píng)分；[時(shí)間戳]，不要求順序，但是需要指定
        § 參數(shù)分析：
            1) name，如果指定，則返回一個(gè)內(nèi)置的數(shù)據(jù)集Reader，并忽略其他參數(shù)，可接受的值是"ml-100k"，“m1l-1m”和“jester”。默認(rèn)為None
            2) line_format，string類型，字段名稱，指定時(shí)需要用空格分割，默認(rèn)是“user item rating”
            3) sep，char類型，指定字段之間的分隔符
            4) rating_scale，元組類型，評(píng)分區(qū)間，默認(rèn)為(1,5)
            5) skip_lines，int類型，要在文件開(kāi)頭跳過(guò)的行數(shù)，默認(rèn)為0
    ○ 轉(zhuǎn)儲(chǔ)模塊
        § surprise.dump.dump(file_name, predictions=None, algo=None, verbose=0)
            □ 一個(gè)pickle的基本包裝器，用來(lái)序列化預(yù)測(cè)或者算法的列表
            □ 參數(shù)分析：
                a) file_name，str，指定轉(zhuǎn)儲(chǔ)的位置
                b) predictions，Prediction列表，用來(lái)轉(zhuǎn)儲(chǔ)的預(yù)測(cè)
                c) algo，Algorithm，用來(lái)轉(zhuǎn)儲(chǔ)的算法
                d) verbose，詳細(xì)程度，0或者1
        § surprise.dump.load(file_name)
            □ 用于讀取轉(zhuǎn)儲(chǔ)文件
            □ 返回一個(gè)元組（predictions, algo），其中可能為None