我们尝试将判别技术应用于实际，并使用MovieLens所提供的数据集为例展开。

MovieLens是一个推荐系统和虚拟社区网站，它的主要功能是运用协同过滤技术，以及所收集到的用户对电影的喜好信息，来向用户推荐电影。

具体来说，MovieLens可根据用户对一部分电影的评分，预测出该用户对其他电影的评分情况。当一个新用户进入MovieLens，他需要对15部电影评分，评分范围为1~5分，评分间隔为0.5分。这样一来，当用户查看某部电影时，MovieLens的推荐系统就可以根据之前获取的该用户电影偏好信息，即以往的评分来预测其对该电影的评分。 而推荐系统中最古老，同时也是最著名的算法就是K最近邻（kNN）算法。

kNN与推荐

kNN的一般原理在之前已经说明，这里为了自然地将此算法应用于推荐系统，我们结合推荐系统的基本思想对kNN原理进行更为具体通俗地阐述。

首先，kNN的基本思想简单来说就是，要评价一个未知的东西U，就去寻找K个与U相似的已知的东西，看看这些已知的东西大多是属于什么水平、什么程度、什么类别，据此就可以估计出U的水平、程度、类别。就像我们平常所说的，要看出一个人的性格，就去看他周围的朋友们都是怎样的一些人，这与kNN的原理是一个道理。

而运用于推荐系统中，我们以电影为例，假如我们现在想要预测一位注册名为A的用户对电影M的评分，根据kNN的思想，我们就可以找出K个与A对其他电影给予相似评分，且对电影M已经进行评分的用户，然后再用这K个用户对M的评分来预测A对M的评分。这种找相似用户的方法被称之为基于用户的kNN（User-based kNN）。

另外，我们也可以先找出K个与电影M相似的，并且A评价过的电影，然后再用这K部电影的评分来预测A对M的评分。这种找相似物品的方法叫作基于项目的kNN（Item-based kNN）。

MovieLens数据集说明

这里给出一个数据集的下载地址：，其中共有3个规模等级的数据集可供下载，分别为100k、1M、10M,其结构内容相同，仅样本量不同。这里我们选用100k的数据集，它包含1000位用户对1700部电影的评分信息。我们对其中3个重要的数据文件爱你进行说明。

u.data：含有943位用户对1682部电影总计10万条评分，且每位用户至少记录了其对20部电影的评分。格式上，每条数据按照永固ID（user id）、电影ID（item id）、评分（rating）以及时间戳（timestamp）4个变量列示，样本排序是无序的，其中我们将主要用到前三个变量信息。

u.item：记录每部电影的信息，包括电影ID（item id）、电影名称（movie title）、上映时间（release date）、视频发布时间（video release date）、网络电影资料库的网址（IMDb URL），以及是否为某类型电影的一系列二分变量，如是否为动作片（Action）、冒险片（Adventure）、动画片（Animation）等，这是探究各电影间相似性的重要数据资料。

u.user：记录每位用户的基本信息，包括用户ID（user id）、年龄（age）、性别（gender）、职业（occupation）以及邮编（zip code）。这是探究各用户间相似性的重要信息来源。