我正在创建一个推荐系统，根据来自同一地区的其他用户的数据为用户推荐产品。

我的数据集如下

UserId    Product    Region    Rating
  1         A         R1        1.23
  2         A         R1        1.23
  3         A         R1        1.24  
  4         B         R1        1.45
  5         B         R1        1.23

我正在使用NearestNeighbour算法来找到 k 个最近的邻居

首先对于准备步骤，我确实得到了假人

dummies = pd.get_dummies(df)

这将热列 (userId和Product)

应用最近邻

不是确切的代码..只是写了一部分。

neigh = NearestNeighbors(algorithm="euclidean")
neigh.fit(dummies)

使用kneighbours方法获取 5 个最近的邻居

neigh.kneighbors(input_1,5, return_distance=True)

我通过了第一排假人input_1。

我确实收到了结果。但建议是行索引 [2,3 5]

这也是有道理的。地区、评级和产品几乎相同，因此它返回索引 2、3 和 5。

在这种情况下，前两个邻居是相同的产品（Product A）。只有第三个是不同的产品（Product B）。

在我的数据集中，我有超过 60k 行。即使 k=50，我也得到了相同产品的所有索引。

我尝试了另一种方法，

生成假人后，我取第一行（用于输入）并删除所有包含product A相关的行，然后运行 ​​fit 和 kneighbors。- 但它似乎没有效率。这更像是对每一行一次又一次的训练模型。

问题：

方法或算法完全错误吗？如何使用 NearestNeighbour 推荐不同的产品。