使用带有Movielens / Netflix类型数据集的SVD的基本伪代码

我正在努力弄清楚如何开始使用带有MovieLens / Netflix类型数据集的SVD进行评级预测。我非常感谢python / java中的任何简单示例，或者涉及的过程的基本伪代码。有很多论文/帖子总结了整体概念，但我不知道如何开始实现它，即使使用了许多建议的库。 据我了解，我需要转换我的初始数据集如下： 初始数据集：

    user    movie   rating
    1       43      3
    1       57      2
    2       219     4

需要转向：

user        1   2
movie   43  3   0
        57  2   0
        219 0   4

此时，我是否只需将此Matrix注入可用库提供的SVD算法中，然后（以某种方式）提取结果，或者我需要做更多的工作？ 我读过的一些信息： http://www.netflixprize.com/community/viewtopic.php?id=1043 http://sifter.org/~simon/journal/20061211.html http://www.slideshare.net/NYCPredictiveAnalytics/building-a-recommendation-engine-an-example-of-a-product-recommendation-engine http://www.slideshare.net/bmabey/svd-and-the-netflix-dataset-presentation ..以及其他一些论文 一些图书馆： LingPipe（JAVA） 贾马（JAVA） Pyrsvd（蟒蛇） 任何提示都会受到赞赏，特别是在基本数据集上。 非常感谢， 奥利