使用Surprise库计算RMSE时出现'DataFrame'无global_mean属性错误

• Surprise库的fit()方法不支持直接传入Pandas DataFrame类型的训练数据，仅支持接收Surprise自定义的Trainset类实例。你直接读取CSV得到的DataFrame对象没有内置global_mean等Surprise算法要求的属性，因此触发属性缺失报错。

你需要先将Pandas格式的训练、测试数据集转换为Surprise可识别的格式，具体修改后的代码如下：

import pandas as pd
from surprise import SVD, accuracy
from surprise import Dataset
from surprise.reader import Reader

# 读取原始CSV文件
trainset_df = pd.read_csv('drive/MyDrive/trainrating.csv')
testset_df = pd.read_csv('drive/MyDrive/testrating.csv')

# 定义Reader，rating_scale参数填你实际使用的评分上下限，示例为1到5分
reader = Reader(rating_scale=(1, 5))

# 将训练集DataFrame转换为Surprise Dataset格式，替换中括号内为你实际的用户ID、物品ID、评分对应的列名
train_dataset = Dataset.load_from_df(trainset_df[['user_id', 'item_id', 'rating']], reader)
# 构建Surprise要求的Trainset实例
trainset = train_dataset.build_full_trainset()

# 将测试集转换为Surprise test方法要求的格式：元素为(用户ID, 物品ID, 真实评分)的元组列表
testset = list(testset_df[['user_id', 'item_id', 'rating']].itertuples(index=False, name=None))

# 原有训练、评估代码可正常运行
algo = SVD(n_factors=factors, n_epochs=epochs, lr_all=lr_value, reg_all=reg_value)
predictions = algo.fit(trainset).test(testset)
accuracy.rmse(predictions)

内容的提问来源于stack exchange，提问作者mimi acrs