我在毕业项目应用中尝试使用K最近邻算法构建一个推荐系统。

我创建了一个物品推荐系统，根据产品评分向活跃用户推荐产品。
我的数据集是一个从数据库填充的矩阵，列代表系统的用户，行代表系统中的产品，矩阵内填充的是每个用户对每个产品的评分值。如下面的例子所示 数据集示例，但在我的案例中是产品而不是电影。

目前有17个产品（行）和12个用户（列）。但我想找到一个准确的一般方法来确定K值。

我编写了以下代码来寻找K值，我使用了k=sqrt(n)/2作为一个方程来找到一个好的K值（n代表应用程序中产品的数量）。但我想找到更准确的方法来确定K值，所以请帮助我。

K值：

 private int determineK (int n) {        String sizeString = Integer.toString( n ) ;        double sizeDouble = Double.parseDouble( sizeString );       double root = Math.sqrt( sizeDouble );        double rawK = root / 2 ;        int num = Math.round( ( float )rawK ) ;        if ( num%2 != 0 ) {            return num ;        }        else {            return num + 1 ;  //奇数        }    }

回答：

你总是可以通过使用交叉验证并迭代多个值来经验性地找到一个好的k值。

使用交叉验证（比如10%），对于每个候选的k值，你在90%的样本上训练数据，并在剩余的10%上测试（重复10次，每次使用不同的“测试”集以获得更有统计意义的结果）。从每个候选中，你可以得到精确度/召回率曲线，并根据它确定最佳的k值。