在Coursera的机器学习练习中，recommender系统使用基于协作过滤算法的电影推荐方法，涉及matlab矩阵标准化代码以处理用户评分数据

matlab矩阵标准化代码问题来自安德鲁·伍（Andrew Ng）的Coursera机器学习课程项目，我想用python而不是matlab / octave来实现它们。 使用基于电影分级数据集的协作过滤学习算法来实施电影推荐系统。 想法是，该算法不仅会根据其他人或整体移动收视率来推荐电影，而且还会通过预测用户对某些类型或电影口味的喜好来推荐用户的其他电影收视率来推荐电影。 ex8_movies.mat中存储了两个数据集矩阵。 电影分级数据集是1682x944矩阵，其中行表示电影，而列表示用户。 等级是1到5之间的整数。因此，第i行和第j列中的数字2表示用户j给电影ia的等级为5（满分2）。在文件ex8_movies.mat中，还存储了另一个矩阵，该矩阵称为指标矩阵，具有相同等级的等级矩阵。 该矩阵中的值为1，表示用户给电影定了一个等级，或者为0，则没有给出等级。 创建一个新用户的分级列表，并将该列表添加到电影分级矩阵中。 然后使用标准值随机初始化X和Theta。 并使用fmin_cg查找优化的X和Theta，以最小化我实现的成本函数。 使用这两个值，可以计算电影收视率预测。 要执行，只