Movielens数据集详细介绍

 MovieLens数据集包含多个用户对多部电影的评级数据，也包括电影元数据信息和用户属性信息。下载地址为：http://files.grouplens.org/datasets/movielens/

下面以ml-100k数据集为例进行介绍：

最主要用的是u.data(评分)  |  u.item(电影信息)  |  u.user(用户信息)

打开数据集如下图：

各文件含义如下：

allbut.pl   --生成训练和测试集的脚本，其中除了n个用户评分之外，所有训练和测试集都在训练数据中。

mku.sh    --从u.data数据集生成的所有用户的shell脚本。

u.data      -- 由943个用户对1682个电影的10000条评分组成。每个用户至少评分20部电影。用户和电影从1号开始连续编号。数据是随机排序的。

                    标签分隔列表：user id | item id | rating | timestamp

u.genre    --类型列表。

u.info       --u.data数据集中的用户数，电影数和评分数。

u.item      --电影信息。标签分隔列表：movie id | movie title | release date | video release date | IMDb URL | 

                   unknown | Action | Adventure | Animation | Children's | Comedy | Crime | Documentary | Drama | 

                   Fantasy | Film-Noir | Horror | Musical | Mystery | Romance | Sci-Fi | Thriller | War | Western

                   最后19个字段是流派，1表示电影是该类型，0表示不是；电影可以同时使用几种流派。

                   电影id和u.data数据集中的id是一致的。

u.occupation    --职业列表。

u.user      --用户的人口统计信息。标签分隔列表：user id | age | gender | occupation | zip code

                  用户id和u.data数据集中的id是一致的。

u1.base   --数据集u1.base / u1.test到u5.base / u5.test都是将u.data数据集按照80% / 20%的比例分割的训练集和测试集。

u1.test      u1,...,u5有互不相交的测试集；如果是5次交叉验证，那么你可以在每个训练和测试集中重复实验，平均结果。

u2.base     这些数据集可以通过mku.sh从u.data生成

u2.test

u3.base

u3.test

u4.base

u4.test

u5.base

u5.test

ua.base    --数据集ua.base, ua.test, ub.base, ub.test将u.data数据集分为训练集和测试集，每个用户在测试集中具有10个评分。

ua.test        ua.test和ub.test是不相交的。这些数据集可以通过mku.sh从u.data生成

ub.base

ub.test

对于MovieLens数据集的简单探索，可以看这篇博文：http://blog.csdn.net/u013527419/article/details/53264741
想下载各个领域的数据集，可以从这里：
1、https://zhuanlan.zhihu.com/p/25138563
2、http://archive.ics.uci.edu/ml/index.php