评估指标，均方根误差

使用sklearn的mean_square_error (MSE)函数，其中，RMSE仅仅是MSE的平方根

#这里只是想要考虑测试数据集中的预测评分， 因此，使用prediction[ground_truth.nonzero()]筛选出预测矩阵中的所有其他元素

from sklearn.metrics import mean_squared_error
from math import sqrt
def rmse(prediction, ground_truth):
prediction = prediction[ground_truth.nonzero()].flatten()
ground_truth = ground_truth[ground_truth.nonzero()].flatten()
return sqrt(mean_squared_error(prediction, ground_truth))

print(train_data_matrix)
print(test_data_matrix)
print('User-based CF RMSE: ' + str(rmse(user_prediction, test_data_matrix)))
item_prediction = np.nan_to_num(item_prediction)
print('Item-based CF RMSE: ' + str(rmse(item_prediction, test_data_matrix)))