MovieLens数据集
MovieLens数据集包含多个用户对多部电影的评级数据,也包括电影元数据信息和用户属性信息。
下载地址
http://files.grouplens.org/datasets/movielens/
介绍
下面以ml-100k数据集为例进行介绍:
最主要用的是u.data(评分) | u.item(电影信息) | u.user(用户信息)
下载之后各文件具体含义如下:
各文件含义如下:
-
allbut.pl --生成训练和测试集的脚本,其中除了n个用户评分之外,所有训练和测试集都在训练数据中。
-
mku.sh --从u.data数据集生成的所有用户的shell脚本。
-
u.data – 由943个用户对1682个电影的10000条评分组成。每个用户至少评分20部电影。用户和电影从1号开始连续编号。数据是随机排序的。
-
标签分隔列表:user id | item id | rating | timestamp
-
u.genre --类型列表。
-
u.info --u.data数据集中的用户数,电影数和评分数。
-
u.item --电影信息。
-
标签分隔列表:movie id | movie title | release date | video release date | IMDb URL | unknown | Action | Adventure | Animation | Children’s | Comedy | Crime | Documentary | Drama | Fantasy | Film-Noir | Horror | Musical | Mystery | Romance | Sci-Fi | Thriller | War | Western
-
最后19个字段是流派,1表示电影是该类型,0表示不是;电影可以同时使用几种流派。
-
电影id和u.data数据集中的id是一致的。
-
u.occupation --职业列表。
-
u.user --用户的人口统计信息。
-
标签分隔列表:user id | age | gender | occupation | zip code
-
用户id和u.data数据集中的id是一致的。
-
u1.base --数据集u1.base / u1.test到u5.base / u5.test都是将u.data数据集按照80% / 20%的比例分割的训练集和测试集。
-
u1.test u1,…,u5有互不相交的测试集;如果是5次交叉验证,那么你可以在每个训练和测试集中重复实验,平均结果。
-
u2.base 这些数据集可以通过mku.sh从u.data生成
-
u2.test
-
u3.base
-
u3.test
-
u4.base
-
u4.test
-
u5.base
-
u5.test
-
ua.base --数据集ua.base, ua.test, ub.base, ub.test将u.data数据集分为训练集和测试集,每个用户在测试集中具有10个评分。
-
ua.test ua.test和ub.test是不相交的。这些数据集可以通过mku.sh从u.data生成
ub.base
ub.test