我对 FactorizationRecommender 的预测功能有疑问。
在我的支配下，我有一个包含用户项目对的大型数据集（以及每对的二进制评级）。需要注意的重要一点是，用户并没有与所有项目进行交互（评分矩阵非常稀疏）。
随后，我从数据集中删除了一个用户的所有评分（我选择他/她作为冷用户）。在所有剩余的用户项目对上，我训练了一个矩阵分解模型 ( factorization_recommender.create(...,binary_target=True))。
现在，当我向模型展示冷用户评分的一小部分时，我想对冷用户的剩余评分进行预测（例如，我显示冷用户评分的模型 10 并希望计算所有其他用户的预测评分项目）。接下来，我只想为冷用户计算预测的 RMSE。
我的问题有两个。首先，我并不完全清楚将哪些参数传递给FactorizationRecommender.predict函数。我想向模型显示的用户项目对（和二元评级）的分数（例如，10 个评级），这些应该是new_observation_data？我的输入应该是dataset什么？初始训练数据集？
其次，我的问题是该FactorizationRecommender.predict功能如何精确工作（后台发生了什么）？您如何对未包含在初始训练数据集中的用户进行预测？由于分解的潜在因素不是为这个用户构建的，他/她的预测是如何做出的？
我当前的 GraphLab Create 版本是 v1.10.1。
谢谢你的帮助！