MovieLens 1M协同过滤数据集

movielens 数据集的 ml-1m 子集，算是做推荐系统最常用的“练手神器”了。数据量刚刚好，不大不小，跑起来也快，适合新手上手，也适合老手调算法。

用户-电影-评分三部分构成了这套数据的核心内容，一共 6040 个用户，3952 部电影，加起来 100 多万条评分记录，够你折腾一阵了。做个协同过滤、搭个 User-Item 矩阵，测试下SVD或者k-NN都蛮合适的。

协同过滤是推荐系统里比较基础的一招：简单说就是“喜欢你喜欢的我也喜欢”。你可以试试用户-用户的，也可以搞个物品-物品的。比如两个用户都喜欢《The Matrix》，那另一个用户喜欢的《Inception》也值得推荐。

压缩包是movielens 数据集.rar，下好解压就能用。数据结构也比较清晰，CSV 格式，几行代码就能读进去。用pandas，爽。

如果你想更深入一点，还可以搭配一些现成资源玩，比如这篇关于 MovieLens 的实现，或者这份基于 MovieLens 的推荐系统源码，都挺不错的，省时间。

嗯，如果你最近正好在研究推荐算法，或者想做个推荐模块的 demo，movielens 的 ml-1m子集是个还挺省心的选择。