序

其实我发现我很多内容都是只有（一）
因为很多东西学了又懒得再发出来了，所以都只剩个开头。往往都觉得，开头必须开个好头，到了后面学了又什么也不想写了。但，总而言之，重要的东西还是记一记。自用自用。
这里是实验室朋友邀请去推荐系统比赛，但···我最近都在搞信号，好久没有做大数据了，得重新看起。首先，对推荐系统常用模型做一个整理吧。（协同那些我就略去了）

Baseline

以均值波动为例（我自己乱创的词）。
一般来说，大数据量的所有人的评分平均，就是一个比较合理的结果。
由于个人原因，每个人对每一个物品的评分都有一些个人化的波动。同时，有些特别烂或者特别好的东西会受到一致差评或好评。那么baseline就是做这样一件事：

求all平均值
求用户评分偏置（波动）
求物品评分偏置（波动）
预测评分= 均值+波动1+波动2

从而，整个问题变成了求均值，求偏置（user、item）问题。
均值很容易求，可以直接通过python的一些模块求出。
那么针对性的偏置呢？
做线性回归，构建损失函数（比如，均方差），优化损失（比如，梯度下降）。

优化的时候，可以加入正则化系数，避免过拟合。

所以我们要做的事情就是：

计算出所有用户对所有物品评分的平均值
在均值基础上+用户评分偏置+物品评分偏置作为预测评分（这就是我们采用的模型方程）
处理数据：groupby用户数据并聚合（agg）为list（list包含什么列：对不同类型物品的评分和物品id）（agg还可以进行统计操作比如max min等等），看到同个用户的行为统计。物品同理。然后计算global mean。（虽然如此清晰，还是先可视化一下数据再处理，对，还要注意data type）
划分数据集为训练集、测试集。
求解所有用户的评分偏置、所有物品的得分偏置
怎么求解呢？训练，用函数评价好坏，用算法进行优化。函数即Loss Function，算法即优化算法。（最简单的：均方差、梯度下降、交替最小二乘法）。
求解时怎么更新偏置？推导上面说的公式，知道实际上在算什么（原理理解，上述例子就是求偏导，求偏导）。用代码复现：生成偏置矩阵or dict（分别的，全零矩阵，长度就是各自数量，如果是dict 可以zip进索引评分 id，然后用itertuple查看）。指定迭代次数，传和设置对应参数。
怎么看效果？用验证集评判。测试集的预测也就是globalmean + 偏置1 + 偏置2。用真实值-预测值看损失。（or均方差··都可以）
善于用封装好的东西，比如sklearn。
怎么确定参数呢？根据loss曲线or accuracy曲线等针对性改改改。
最后进行封装。把不是函数的变为函数（甚至类），就可以了。