不是错的，而是分数的计算方式不一样，你们老师推荐了很多方法去计算分数，比方说找出所有相关的内容，然后取平均值。目前的这个submission就是基于这个公式得到的结果，说明效果比较差。
是的，目前的效果是比较差的，因为目前是基于“取评分的平均值”这个算法去做的预测，你们老师的视频中就是这么要求你们去做的，然后在此基础上不断的修改这个公式，达到更好的推荐效果
因为这个是机器学习的题目，机器学习是没有标准答案的，只能不停的去调参数来找一个最优解，人家的比较高是因为他们都花了很多时间不停的去找更好的参数，试出来的
是的，你们老师推荐你们去用这个方法，然后多尝试一些“愚蠢的想法”，去不断的试
思路：
- 首先根据“trainItem.txt”的内容构建一个映射，使用该映射可以方便在之后的比对中快速根据userid和itemid就可以得到该用户对该item的评分。
- 然后读取“testTrack_hierarchy.txt”中的内容，将每个trackid所关联的albumid和artistid以及genreid和1中的映射进行匹配，找到所有的历史评分并统计一个平均值
- 统计完六个trackid的平均值后，在这个6个trackid中找到平均评分最高的三项作为推荐项目
okk
是的，如果到时没问题的话，麻烦点个推荐答案哈
你好，请问这资料对你有用吗
