Python实现的BaselineOnly推荐算法

为了评估某个策略的效果好坏而制定并使用作为比较的标准或参照系的基准标准或对照基准

而 Baseline algorithm的核心思想是通过设置基准值，并结合用户偏好的偏差与电影本身的偏好偏差来进行预测计算。

在上式中，等式中的

是待求的基线模型中用户u给物品i打分的预估值；

等式右边的\mu代表所有用户对电影打分的平均值；bu表示用户的打分偏差（若某一用户 tends to give relatively low ratings, 则其bu值较低甚至负数；反之则较高）；bi衡量了电影受欢迎的程度（若一部影片广受好评, 则其bi数值较高）.

如果用户u未知，则假设偏差bu为零。 这同样适用于物品i。

尽管Baseline模型看似简单, 但模型中已经隐含了用户的个性化特征以及物品的特性.当处理海量数据时, 简单算法反而能够大幅降低了计算开销.

举例来说，在所有电影的评分中