Empfehlungen auf Basis des Nutzerprofils
Jetzt, da du das Nutzerprofil basierend auf der Gesamtheit der einzelnen Filme, die der Nutzer mochte, erstellt hast, kannst du es mit dem großen DataFrame tfidf_summary_df, mit dem du bereits gearbeitet hast, vergleichen, um Vorschläge zu generieren. Da du keine Filme empfehlen möchtest, die der Nutzer bereits gesehen hat, suchst du zunächst eine Teilmenge des DataFrames tfidf_summary_df, die keine der bereits gesehenen Filme enthält.
Der DataFrame user_prof, den du in der letzten Übung erzeugt hast und der eine einzelne Spalte für den Nutzer enthält, wurde für dich geladen. Ebenso wurde list_of_movies_enjoyed geladen, damit du diese aus den Vorhersagen ausschließen kannst.
Diese Übung ist Teil des Kurses
Recommendation Engines mit Python entwickeln
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)