我有一个大小为(61573, 25)的数据集。行代表users，而列代表特定电影类型的views。例如，如果data[i,j] == 3表示用户i共查看了3部性别j的电影。正如所料，行是稀疏的并且是右倾斜的。
我想做的是通过为他分配以下标签之一来计算用户对25种电影性别中每一种的吸引力：{VL，L，A，H，VH}。
我到目前为止所尝试的是计算行分数或列数的z分数（尽管我没有尝试将值标准化两次（即首先在行上然后在列上）），然后应用以下函数取决于z分数距离0的距离：
在任何一种情况下，我的问题是在大多数情况下结果似乎非常糟糕，可能是因为它们介于-1和+1之间，因此几乎总是标记为A（即平均值）。那么，根据你的意见，我还应该尝试什么呢？你怎么解决这个问题？
答案 0 :(得分：0)
z分数显然不是正确的方法。
原因是它们基于您的数据正态分布的假设。我强烈怀疑你的数据是否正常分布 - 特别是它可能没有任何负值，是吗？
您是否尝试过使用分位数？前10％，最低10％等？