用途：构建、评估并可视化智能推荐系统，覆盖从协同过滤到矩阵分解的推荐技术栈，适用于电商、游戏、内容等推荐场景。
主要能力：推荐引擎支持基于用户（UBCF）和基于物品（IBCF）的协同过滤、SVD 矩阵分解及混合推荐，含余弦相似度、皮尔逊相关系数等度量；评估器提供 Precision@K、Recall@K、MAE、RMSE，以及留一法、K 折交叉验证、时间序列验证和多维度评估；数据分析器可做用户行为、商品热度、稀疏性分析与冷启动检测；可视化器可输出推荐列表、评估指标、用户-商品热力图和算法对比图。
使用方式：输入用户行为、商品信息、用户画像或评分矩阵（CSV/JSON），按数据准备、探索、选算法、训练、生成推荐、评估、可视化的流程操作。核心类包括 RecommendationEngine、RecommenderEvaluator、DataAnalyzer、RecommenderVisualizer。
限制：本技能为离线分析与评估工具；资料未提供实时服务的实现细节、具体准确率或性能数据，也未说明收费。部分功能依赖可用的用户行为或评分数据，冷启动问题需借助分析器检测。配置参数涉及相似度阈值、邻居数量、组件数、正则化、学习率、评估 K 值等。