这里红框中的均值（3.2、3.4、3.25 ），是 "对物品有过评分的用户的评分均值" ，对应不同物品的评分用户集合
一、公式：均值 = 特定物品的 "已评分用户的评分总和 / 已评分用户数量"
ItemCF 中，计算用户对物品的预测评分时，需要先算出 "与目标物品（物品 5）相似的物品（物品 1、物品 4 ）的评分均值" ，用于修正评分偏差。
二、计算物品 1、物品 4、物品 5(目标用户) 的评分均值
1. 物品 1 的评分均值（3.2）
- 哪些用户对物品 1 有评分？Alice、用户 1、用户 2、用户 3、用户 4（看表格第一列，物品 1 的评分行：5、3、4、3、1 ）
- 计算：总和 = 5（Alice） + 3（用户 1） + 4（用户 2） + 3（用户 3） + 1（用户 4） = 16数量 = 5（共 5 个用户评分）均值 = 16 / 5 = 3.2
2. 物品 4 的评分均值（3.4）
- 哪些用户对物品 4 有评分？Alice、用户 1、用户 2、用户 3、用户 4（看表格第四列，物品 4 的评分行：4、3、3、5、2 ）
- 计算：总和 = 4（Alice） + 3（用户 1） + 3（用户 2） + 5（用户 3） + 2（用户 4） = 17数量 = 5（共 5 个用户评分）均值 = 17 / 5 = 3.4
3. 物品 5 的基准均值（3.25）
- 哪些用户对物品 5 有评分？用户 1、用户 2、用户 3、用户 4（Alice 未评分，看表格第五列：3、5、4、1 ）
- 计算：总和 = 3（用户 1） + 5（用户 2） + 4（用户 3） + 1（用户 4） = 13数量 = 4（共 4 个用户评分）均值 = 13 / 4 = 3.25
三、总结
对每个物品，筛选所有给该物品打过分的用户，计算他们的评分平均值，作为该物品的 "评分基准"。这样设计的原因是：不同用户评分习惯不同（有人习惯打高分，有人习惯打低分），用物品的评分均值可以消除这种个体偏差，让推荐更精准