我对FactorizationRecommender的预测函数有疑问。
在我掌握之下，我有一个包含用户项目对的大型数据集（以及每对的二进制评级）。需要注意的是，用户没有与所有项目进行交互（评级矩阵非常稀疏）。
随后，我从数据集中删除一个用户的所有评级（我选择他/她为冷用户）。在所有剩余的用户项对上，我训练矩阵分解模型（factorization_recommender.create(...,binary_target=True)）。
现在，当我将模型显示为冷用户评级的一小部分时（例如，我显示冷用户评级的模型10并想要计算预测评级）时，我想预测冷用户的剩余评级。对于所有其他项目）。接下来，我想为冷用户计算预测的RMSE。
我的问题是双重的。首先，我不清楚哪些参数传递给FactorizationRecommender.predict函数。
我要向模型显示的用户项目对（和二进制评级）的分数（例如，10个评级）应该是new_observation_data吗？我应该为dataset输入什么？最初的训练数据集？
其次，我的问题是FactorizationRecommender.predict函数如何精确地起作用（背景中发生了什么）？如何对未包含在初始训练数据集中的用户进行预测？由于分解的潜在因素不是为这个用户建立的，他/她的预测是如何做出的？
我当前版本的GraphLab Create是v1.10.1。
感谢您的帮助！