def cross_valation(K,train_u_i_t,test_u_i,item_time,item_factor):
day_count = 91
#获取训练集的推荐列表
M=3.5
rec_user_item = usermodel.build_user_model(train_u_i_t,item_factor,day_count)
#在这里进行一次测试，对用户的推荐列表，只推荐值大于某一限定的物品
rec_user_item,former_rec = func.set_min_M(rec_user_item,M)
#需要对推荐列表进行处理，对每个用户设定推荐的物品的个数,K为设定的物品的个数
rec_user_item = func.set_rec_item_num(rec_user_item,K)
#接下来想做的处理是，对冷启动用户，给其添加浏览过的热门商品（效果不好）
#rec_user_item = func.cal_cold_start(rec_user_item,former_rec,item_time)
#查看分布
func.check_distribuction(rec_user_item)
#计算准确率，召回率，F值等参数
hit_user_item = func.cal_hit_user_item(rec_user_item,test_u_i)
precision,recall,F,hitbrand,pbrand,bbrand = func.cal_result(rec_user_item,test_u_i,hit_user_item)
func.write(rec_user_item,'train_rec_user_item')
func.write(hit_user_item,'hit_user_item')
print '限定对每个用户推荐的物品数为:',K
print 'hitbrand',hitbrand,'pbrand',pbrand,'precision',precision
print 'hitbrand',hitbrand,'bbrand',bbrand,'recall',recall
print 'F',F
def func4():
user_item_time,item_time,item_factor = func2()
K = 20
M=4
day_count = 123
rec_user_item = usermodel.build_user_model(user_item_time,item_factor,day_count)
rec_user_item,former_rec = func.set_min_M(rec_user_item,M)
rec_user_item = func.set_rec_item_num(rec_user_item,K)
#查看为用户推荐物品的个数分布,对有那些推荐物品个数小于等于3的用户给其推荐热门商品
#查看分布
func.check_distribuction(rec_user_item)
#rec_user_item=func.distribution(rec_user_item)
func.write(rec_user_item,'rec_user_item')
func.getresult(rec_user_item)
