jyoti17146/-AI-ML-Internship-Assignment01

# 实时演示： https://jyoti17146.github.io/-AI-ML-Internship-Assignment01/ # AI/ML 实习 — 家庭作业 01 我的 AI/ML 实习的初级 Python 作业，涵盖使用纯 Python 模拟无监督学习概念的基于规则的系统（不使用外部 ML 库）。 ## 作业：电影推荐系统 一个基于规则的系统，它对用户行为进行分组，并根据观看的类型推荐电影——模拟了现实世界推荐引擎的工作方式，但使用的是基础的 Python 数据结构而不是 ML 模型。 ### 已实现的任务 1. **搜索用户** — 按名称查找用户并显示他们观看过的电影类型。 2. **预测/推荐电影** — 根据用户观看的每种类型向其推荐一部电影。 3. **按模式统计用户** — 统计有多少用户观看了特定类型（例如，Action）。 4. **查找最常见的类型** — 找出所有用户中观看次数最多的类型。 ### 附加任务：聚类的常见应用（使用规则模拟） 由于尚未涵盖真正的聚类算法，这里使用基本的 Python 逻辑（循环、字典、集合）进行模拟： - **客户细分** — 根据消费阈值将客户划分为高/中/低价值群体。 - **产品推荐** — 基于用户之间重叠的购买记录推荐产品。 - **购物篮分析** — 找出哪些产品最常被一起购买。 - **欺诈检测（模式发现）** — 标记与用户平均消费相比异常高昂的交易。 ## AI 概念 这是一个**基于规则的系统**，而不是机器学习模型。它使用预定义的 `if/else` 逻辑和字典查找来做出决策，而不是自动从数据中学习模式（这是真正的无监督学习/聚类算法（如 K-Means）所做的事情）。 ## 如何运行 ``` python movie_recommendation_homework.py ``` 系统会提示您输入用户名 — 尝试输入 `Rahul`、`Anita` 或 `Riya`（数据集中的样本用户）。 ## 使用的技术 - Python 3（无外部库 — 仅使用内置的 `itertools`）

标签：Python, 云计算, 人工智能, 代码示例, 后端开发, 学习示例, 推荐系统, 数据分析, 无后门, 用户模式Hook绕过, 规则引擎