2021-01-13 阅读量: 21
问：
推荐系统案例中根据商品4的相似向量，可以找出它的两个邻居为商品3和商品6，但是用户1并
没有对商品3和6进行评分，因此无法得出用户1对商品4的推荐指数，那这个推荐指数为3怎么
来的呢。
答：
你这里弄混了协同过滤的两种算法的步骤，基于用户的是先找邻居，再根据邻居的喜好来推荐；
基于物品的是先找用户购买过的商品，再根据购买的商品的相似商品计算推荐指数，所以UBCF
的侧重点是维护相似群体的爱好；而IBCF的侧重点是维持用户的历史爱好。
因为是先print()，再移除的2，每次remove一个元素，列表就会自动向前收缩，这就导致循环跳过了相邻的后面一个元素移除一个元素，后面的元素就会往前去一位
