推薦系統常見問題（一）：數據集按照用戶行爲比例進行劃分的問題？

問題：數據集按照用戶行爲比例進行劃分的問題？

推薦系統若按照每個用戶的交易記錄按比例進行數據集的劃分，比如每個用戶留下80%的數據作爲訓練集，20%的數據作爲測試集，那麼對於一個有5個交易記錄的用戶來說，訓練集應該有4個，測試集應該有1個，但是有時候不是這樣的情況？

我覺得還是取決於自己的代碼怎麼寫，一般會有以下兩種寫代碼的方式：

1. 比如如果是直接計數的代碼，直接把用戶交易數據的前80%個數據留下來作爲訓練集，後20%作爲測試集，這種情況不會出現問題。
2. 如果使用的是random函數生成（0,1）之間的數，小於等於0.8的數據作爲訓練集，其他作爲測試集，由於random函數是一個採樣的過程，它遵循的是某種分佈（具體不同的random函數遵循的分佈不一樣），所以並不一定能夠保證5個數據中，完全是4個劃分到訓練集，1個劃分到測試集。

 if random.random() < 0.9:
    self.trainset.append([user,item,rating])
 else:
    self.testset.append([user,item,rating])

但，不管怎麼，以上兩種代碼都是可以寫的，都沒有任何問題。

這是原問題鏈接