我正在处理一个预测问题，需要一些帮助来确定如何进行。我有一个CSV文件，包含两个列，user_id和ratings，其中用户在ratings列中对某物进行评分。user_id列中用户可以重复出现，并有不同的唯一评分。例如：

user_id    rating1          54          61          67          62          74          7

现在，预测数据集中的用户已经给出了类似于上面的先前评分：

user_id    rating11         612         1013         813         914         414         5

目标是预测这些特定用户下次会给出什么评分。其次，假设我们添加了一个没有评分历史的用户’15’，我们如何预测这个用户将提供的前两个评分，按顺序进行？

我不知道如何仅用user_id和ratings（这也是目标列）来训练模型。任何帮助都将不胜感激！

回答：

首先且最重要的一点是你必须提到用户在评分什么，即类别。例如，在电影评分系统中，你可以提供一个特定的电影A，它是动作片，用户给出的评分为1，这意味着用户讨厌动作片；而对于电影B，它是喜剧片，用户给出的评分为9，这意味着用户是喜剧爱好者。因此，当下次出现类似类别时，你可以很容易地预测用户的评分。你可以通过包括许多电影类别，如惊悚片、浪漫片、戏剧片等，并可以考虑许多其他因素，如电影长度、主演、导演、语言等，因为所有这些因素都广泛地影响着用户的评分。

但是，如果你不提供用户评分的基础，那么预测将非常困难且毫无意义。例如，我是一个用户，我给出的评分是1,5,2,6,8,1,9,3,4,10，你能预测我的下一个评分吗？答案是不能，因为这就像0到10之间的随机生成器。但在电影的情况下，我的过去评分清楚地显示我喜欢喜剧而讨厌动作，那么当一部新的喜剧电影出现时，你可以轻松地为我预测那部电影的评分。

但如果你的问题仅限于此，那么你可以使用各种统计方法，比如取平均值然后四舍五入到最接近的整数，或者取众数。

我可以建议的是，绘制用户的评分并进行可视化，如果评分遵循某种模式，例如对于一个用户，评分首先增加，然后达到峰值，然后下降，然后达到最低点，然后再次增加，如此反复（相信我，由于你的限制，这将非常不切实际），然后在此基础上预测评分。

但在所有这些方法中，最好的方法是建立一个统计模型，比如对最后一个评分给予较高的权重，对倒数第二个评分给予较低的权重，然后对倒数第三个评分给予更低的权重，然后取平均值，例如->

预测评分 = w1*(最后一个评分) + w2*(倒数第二个评分) + w3*(倒数第三个评分) ….

然后取平均值

这将为你提供非常好的结果，实际上这属于机器学习，而这个特定算法寻找最适合的权重是多元线性回归

在给定的限制条件下，这无疑是最佳模型