推荐系统入门（二）：协同过滤 —— 让相似的人替你做选择
一句话理解协同过滤：
“和你口味差不多的人喜欢这个，那你可能也会喜欢。”
这就是推荐系统的“群体智慧”。
在上一篇《推荐系统入门（一）：从“找相似”开始》中，我们学会了用物品特征构建用户画像，实现基于内容的推荐。但这种方法有个明显短板：它只能推荐“已知兴趣圈”里的东西，无法帮你发现新大陆。
比如，你一直看编程视频，系统永远不会想到推荐《数据可视化艺术》或《产品思维课》——哪怕很多程序员其实对这些内容很感兴趣。
怎么办？答案是：别只盯着物品，看看人。
这就是今天要讲的核心方法：协同过滤（Collaborative Filtering）。
什么是协同过滤？
协同过滤的基本假设非常朴素：
行为相似的用户，兴趣也相似。
举个例子：
- 用户 A 和用户 B 都给《线性代数》和《Python入门》打了高分；
- 用户 B 还特别喜欢《机器学习导论》；
- 那么系统就有理由猜测：用户 A 也可能喜欢《机器学习导论》，即使他还没看过。
这种“借他人之眼识己之所好”的思路，就是协同过滤的魅力所在。它不依赖物品本身的标签或描述，而是纯粹从用户-物品交互行为（如评分、点击、购买）中挖掘模式。
最常见的形式是基于用户的协同过滤（User-Based Collaborative Filtering）。
动手实现：用 Python 实现一个协同过滤推荐器
我们继续用一个小而清晰的例子来演示全过程。
假设有4位用户（A、B、C、D）对若干视频进行了评分（1~5分），数据如下：
| 用户 | v1 | v2 | v3 |
|---|---|---|---|
| A | 5 | 3 | ? |
| B | 4 | ? | 5 |
| C | ? | 2 | 4 |
| D | 5 | ? | ? |
我们的目标是：为用户 A 预测他对 v3 的喜好，并决定是否推荐。
第一步：构建用户-物品评分矩阵
importpandasaspdfromsklearn.metrics.pairwiseimportcosine_similarityimportnumpyasnp# 原始评分数据ratings=pd.DataFrame({'User':['A','A','B','B','C','C','D'],'Item':['v1','v2','v1','v3','v2','v3','v1'],'Rating':[5,3,4,5,2,4,5]})# 转为用户-物品矩阵rating_matrix=ratings.pivot(index='User',columns='Item',values='Rating')print("原始评分矩阵:")print(rating_matrix)输出：
原始评分矩阵: Item v1 v2 v3 User A 5.0 3.0 NaN B 4.0 NaN 5.0 C NaN 2.0 4.0 D 5.0 NaN NaN第二步：计算用户之间的相似度
我们将缺失值暂时填充为 0（实际工业系统会做更精细处理，如中心化），然后用余弦相似度衡量用户偏好有多接近：
# 简化处理：NaN 填 0rating_matrix_filled=rating_matrix.fillna(0)# 计算用户相似度user_sim=cosine_similarity(rating_matrix_filled)user_sim_df=pd.DataFrame(user_sim,index=rating_matrix.index,columns=rating_matrix.index)print("\n用户相似度矩阵:")print(user_sim_df.round(4))输出：
用户相似度矩阵: User A B C D User A 1.0000 0.5357 0.2301 0.8575 B 0.5357 1.0000 0.6984 0.6247 C 0.2301 0.6984 1.0000 0.0000 D 0.8575 0.6247 0.0000 1.0000可以看到：用户 A 和 D 最像（相似度 0.86），因为他们都给了 v1 高分，且都没评其他项；A 和 B 也有一定相似性。
第三步：预测用户 A 对 v3 的评分
v3 目前只有 B 和 C 评过分。我们用他们的评分，按与 A 的相似度加权平均：
target_user='A'items_not_rated=rating_matrix.loc[target_user][rating_matrix.loc[target_user].isna()].index pred_scores={}foriteminitems_not_rated:# 找出评过该物品的其他用户users_who_rated=rating_matrix[item].dropna().indexiflen(users_who_rated)==0:continuesim_scores=[]weighted_ratings=[]foruserinusers_who_rated:ifuser==target_user:continuesim=user_sim_df.loc[target_user,user]rating=rating_matrix.loc[user,item]sim_scores.append(sim)weighted_ratings.append(sim*rating)# 加权平均预测ifsum(sim_scores)>0:pred=sum(weighted_ratings)/sum(sim_scores)else:pred=rating_matrix[item].mean()# 回退到全局平均pred_scores[item]=pred# 排序推荐recommended=sorted(pred_scores.items(),key=lambdax:x[1],reverse=True)print(f"\n为用户{target_user}推荐:")foritem,scoreinrecommended:print(f"{item}: 预测评分 ={score:.2f}")输出：
为用户 A 推荐: v3: 预测评分 = 4.70系统认为 A 很可能喜欢 v3（预测分 4.7），值得推荐！
协同过滤的优势与挑战
✅优点：
- 无需物品特征：完全基于行为数据，适用于任何可交互的内容；
- 能发现跨类别关联：比如“买尿布的人也买啤酒”这类隐性规律；
- 个性化更强：不同用户即使看同一类内容，也可能因行为差异收到不同推荐。
❌挑战：
- 冷启动问题：新用户没有行为记录，无法计算相似度；
- 数据稀疏性：在大型平台，用户只接触极小部分物品，导致相似度计算不可靠；
- 可扩展性差：用户量大时，计算所有用户两两相似度成本极高（O(n²)）。
小结
协同过滤跳出了“物品特征”的框架，转而从用户群体的行为共性中寻找答案。它让推荐系统具备了“发现未知兴趣”的能力，是推荐发展史上的重要里程碑。
但面对海量稀疏数据，传统协同过滤也力不从心。如何在低维空间中高效建模用户与物品的复杂关系？这就引出了下一篇的主题：矩阵分解。
预告：在《推荐系统入门（三）：矩阵分解 —— 用潜在因子破解稀疏难题》中，我们将把用户和物品映射到一个“隐语义空间”，用数学的力量从碎片化行为中还原完整偏好。敬请期待！
注：本文代码可直接运行，依赖pandas和scikit-learn。建议先掌握第一篇内容，再进入本篇，理解更顺畅。