如何使用SVD构建用于协同过滤RS的数据集？

如何解决如何使用SVD构建用于协同过滤RS的数据集？

我正在尝试使用 SVD 来预测 RS 评级。我想从一个小数据集开始，以便清楚地看到过程，并且在构建数据集时遇到问题

1. 小数据集，创建如下代码：我想重写 SVD 过程来预测用户 3 对电影 5 的评分。

user_id=[1,1,2,3,3]
movie_id=[1,4,5,5]
rating=[1,'']
reviews={'movie_id':movie_id,'user_id':user_id,'rating':rating}
reviews_df= pd.DataFrame(reviews,columns=['user_id','movie_id','rating'])

df 为：

2. 然后将它们拆分为

df_train = reviews_df.head(9)
df_test = reviews_df.iloc[9:12,:]

图片如下：

3. 查找训练和测试电影和用户 ID

train_idx = np.array(user_item_train.index)
train_movie = np.array(user_item_train.columns)
test_idx = np.array(user_item_test.index)
test_movie = np.array(user_item_test.columns)

4. 然后测试影片和训练影片 intersectld 为空。

test_movie_subset = np.intersect1d(test_movie,train_movie)

如果我是对的，电影的子集是空的，那么它无法预测。

但问题是如果只把电影4的部分评分放在训练中，那么unstack会有nan，也不能使用SVD。

我想知道我的理解是否错误以及如何错误。你能帮忙吗？谢谢。