经典的ml-100k数据源中所有的数据，压缩保存，包含u.data, u.user, u.item等数据文件

MovieLens 100k - Consists of 100,000 ratings from 1000 users on 1700 movies.

批量修改图片宽度为1000（小于100K），并另存图片名称前面加《修改后-》方式，无需备份原图 使用方案：双击软件，跳出文件夹拾取框拾取图片所在文件夹即可

MovieLens 100K上的概率矩阵分解 总览 在此项目中，我们使用MovieLens 100K数据集。 该数据集包含来自943位用户的1,682部电影的100,000个评分。 在此项目中，RMSE（均方根误差）用作度量。 我测试了2种不同的数据分割：密集和稀疏。 数据是随机拆分的，用于训练/验证的数据为80％，对于密集数据的测试为20％，对于稀疏数据，仅训练/验证的数据为20％，对于测试为20％。 在训练中，应用5倍交叉验证来选择最佳超参数并在测试集中评估模型。 运行代码 参量 任务：[“ task1”-调整正则化参数，“ task2”-调整因子数量，“ predict”-预测等级]

NLP情绪识别训练集，可直接用于模型训练，分为积极、消极和无情绪三种标签类型

movie_recommender_pyspark：正在使用正在使用来自Spark的MLlib的电影镜头100k的电影重新提交系统。

测试大于100K .txt

本压缩包为pycharm工程文件，其中movie文件夹内为movielens的数据集，100k条数据。代码为python3.6，注释详细。欢迎一起学习。

movielens-100k整理，有两个文件：1、ratings.csv：[userId, itemId, rating, timestamp] 2、movies.csv：[movieId, title, genres]