思路
对每个测试对 (u, i)，按以下优先级产生预测：
- 命中原始评分：若训练集中存在该
(u,i) 的真实评分，直接返回该分数。
- 用户均值：否则，若用户
u 有其他历史评分，则返回其历史评分均值。
- 全局均值：否则（冷启动用户），返回训练集全局均值。
最后将结果四舍五入为两位小数（正数域可用 floor(x*100+0.5)/100 实现“真正四舍五入”），并截断到 [1.00, 5.00]，以两位小数的字符串输出（含末尾 0）。
题目内容
请在仅使用 numpy/pandas 的前提下，实现一个 Deterministic User−Mean Baseline 用于评分预测。
对给定 (user,item) 测试对，输出预测评分(保留 2 位小数)。
算法要求简单却体现推荐系统常见的缺失值填补/冷启动逻辑。
预测规则
