请编写一个 Python 程序，实现一个简单的推荐系统，根据用户的历史行为数据为用户推荐商品。

Question

Accepted Answer

以下是一个简单的基于物品协同过滤的推荐系统的 Python 实现。

python
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity

# 示例数据：用户-商品评分矩阵
data = {
    'user1': [5, 3, 0, 1],
    'user2': [4, 0, 0, 1],
    'user3': [1, 1, 0, 5],
    'user4': [1, 0, 0, 4]
}
items = ['item1', 'item2', 'item3', 'item4']
df = pd.DataFrame(data, index=items)

def recommend_items(user, df, top_n=3):
    # 计算物品之间的相似度
    item_similarity = cosine_similarity(df.T)
    item_similarity_df = pd.DataFrame(item_similarity, index=df.index, columns=df.index)

# 获取用户的历史行为数据
    user_ratings = df[user]

# 初始化推荐分数
    recommended_scores = pd.Series(0, index=df.index)

# 遍历用户评分过的物品
    for item, rating in user_ratings.items():
        if rating > 0:
            # 根据物品相似度计算推荐分数
            recommended_scores += item_similarity_df[item] * rating

# 过滤掉用户已经评分过的物品
    recommended_scores = recommended_scores[user_ratings == 0]

# 按推荐分数排序并取前 top_n 个物品
    top_recommendations = recommended_scores.sort_values(ascending=False).head(top_n)

return top_recommendations

# 为用户 1 推荐商品
user = 'user1'
recommendations = recommend_items(user, df)
print(f