将movielens数据拆分为trainvalidationtest数据集

Question

我正在从事一个关于推荐系统的项目，该项目由python编写，使用贝叶斯个性化排名优化。我很有信心我的模型能够很好地学习我提供的数据，但现在是时候找出精确的模型超参数并尝试避免过度拟合了。由于movielens数据集只为我提供了5倍的列车测试数据集，而没有验证集，因此我想自己分割原始数据集以验证我的模型

由于movielens数据集包含943个用户数据，每个用户保证至少对20部电影进行了排名，因此我正在考虑拆分数据，以便训练和测试数据集都包含相同数量的用户（例如943），并将80%的隐式反馈数据分发给训练，另一个分发给测试。培训后，将使用所有943名用户在k精度下的召回平均值进行验证

这是分割数据集的正确方法吗？我很好奇，因为原始的movielens测试数据集似乎并不包含所有943用户的测试数据。如果某个用户没有任何测试数据可预测，我如何使用recall@k--这样做会导致零除法吗？我是否应该跳过该用户，与其他用户一起计算平均值

谢谢你的长篇大论，我希望你不要像我一样困惑

Answer 1

我将如何分割它是在80%（训练）-10%（验证）-10%（测试）上的整个数据集。结果应该是：）