推薦系統是數據科學中最常用和易於理解的應用之一。由於互聯網的快速發展和信息過載問題，在這個領域已經做了很多工作，這方面的興趣和需求仍然很高。在線企業必須幫助用戶處理信息過載並向他們提供個性化的推薦，內容和服務。
接近推薦系統的兩種最流行的方法是協同過濾和基於內容的推薦。在這篇文章中，我們將重點關注協同過濾方法，即：用戶是過去喜歡具有相似品味和偏好的人的推薦項目。換句話說，該方法通過使用用戶之間的相似性來預測未知評級。
我們將使用由Nicolas Hug建立的Surprise庫，Book-Crossing，一個用於開發推薦系統算法的書籍評級數據集。讓我們開始吧！
參考文章來自：Building and Testing Recommender Systems With Surprise, Step-By-Step（https://towardsdatascience.com/building-and-testing-recommender-systems-with-surprise-step-by-step-d4ba702ef80b ）