ml-100k.zip

该数据集为公共数据集：主要有u.data,u.genre,u.info,u.item,u.user,u.occupation 等文件

以MovieLens 的 ml-100k 为实验数据，基于 ItemCF 算法的推荐结果。

以MovieLens 的 ml-100k 为实验数据，基于 ItemCF 算法作推荐，实现代码。

leetcode下载 BAT机器学习面试1000题系列 整理：July、德伟、立娜、孟莹、贾茹等众人。本系列大部分题目来源于公开网络，且注明来源链接。部分题目得到寒小阳、管博士等七月在线名师审校。 说明：本系列自2017年9月28日开始，每周持续更新。首发于七月在线实验室公众号上：julyedulab，并同步更新于本博客上。另，可以转载，注明来源链接即可。 前言 之前10~15年，本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列by July，今17年，近期和团队整理BAT机器学习面试1000题系列，侧重机器学习、深度学习。 有三点得强调下： 虽然本系列主要是机器学习、深度学习相关的考题，其他类型的题不多，但不代表应聘机器学习或深度学习的岗位时，公司或面试官就只问这两项，虽说是做数据或AI相关，但基本的语言（比如Python）、编码coding能力（对于开发，编码coding能力怎么强调都不过分）、数据结构、算法、计算机体系结构、操作系统、概率统计等等也必须掌握。对于数据结构和算法，一者 重点推荐前面说的微软面试100题系列（后来这个系

Movielens数据集，内含10万条用户-电影评分。学习推荐系统，机器学习算法必备。

经典的ml-100k数据源中所有的数据，压缩保存，包含u.data, u.user, u.item等数据文件

如果你对本系列(未写完，持续更新中)感兴趣，可接以下传送门(CSDN搜索)：   【推荐算法】从零开始做推荐（一）——认识推荐、认识数据   【推荐算法】从零开始做推荐（二）——推荐系统的评价指标，计算原理与实现样例   【推荐算法】从零开始做推荐（三）——传统矩阵分解的TopK推荐

本人花2天时间学习简单http协议然后写了个破代码在imdb上爬取了MovieLens数据集的配图，由于MovieLens中的数据集链接已失效，所以只能根据imdb网站的搜索引擎慢慢爬取图片。希望对毕设为推荐系统的童鞋有些许作用。。。

movielens-100k整理，有两个文件：1、ratings.csv：[userId, itemId, rating, timestamp] 2、movies.csv：[movieId, title, genres]