Hledání podobně hodnocených filmů

Stejně jako jsi vypočítal/a podobnost mezi dvěma filmy, můžeš ji vypočítat napříč všemi uživateli a najít film, který je danému filmu nejpodobnější podle toho, jak ho uživatelé hodnotili.

Postup je podobný jako při práci s content-based filteringem.

Najdeš skóre podobnosti mezi všemi filmy a pak se zaměříš na konkrétní film – vyizoluješ a seřadíš sloupec obsahující jeho skóre podobnosti.

movie_ratings_centered je opět načtený – každý film je reprezentován jako řádek a jako hodnoty jsou uložena jeho centrovaná hodnocení.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej matici podobnosti mezi všemi filmy v movie_ratings_centered a ulož ji jako similarities.
Zabal matici similarities do DataFrame, přičemž jako sloupce i řádky použij indexy z movie_ratings_centered.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.metrics.pairwise import cosine_similarity

# Generate the similarity matrix
similarities = ____(____)

# Wrap the similarities in a DataFrame
cosine_similarity_df = ____.____(____, index=____.____, columns=____.____)

# Find the similarity values for a specific movie
cosine_similarity_series = cosine_similarity_df.loc['Star Wars: Episode IV - A New Hope (1977)']

# Sort these values highest to lowest
ordered_similarities = cosine_similarity_series.sort_values(ascending=False)

print(ordered_similarities)

Upravit a spustit kód