Empfehlungen basierend auf Filmgenres erstellen
Jetzt, da du deine Daten in einem nutzbaren Format hast und weißt, wie du zwei Filme vergleichen kannst, ist der nächste Schritt, daraus Empfehlungen zu erzeugen. In dieser Übung lernst du, wie du für jeden Film in deinem Datensatz Empfehlungen generierst.
Die Ähnlichkeitswerte zwischen allen Filmen im Datensatz, die du in der letzten Übung berechnet hast, wurden als jaccard_similarity_array für dich vorab geladen. movie_cross_table mit den Filmen und ihren Attributen ist ebenfalls verfügbar.
Für eine einfache Weiterverarbeitung solltest du die Ähnlichkeitswerte in ein DataFrame packen. Anschließend nutzt du dieses neue DataFrame, um eine Filmempfehlung vorzuschlagen.
Diese Übung ist Teil des Kurses
<Kurs>Recommendation Engines mit Python entwickeln</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Wrap the preloaded array in a DataFrame
jaccard_similarity_df = ____.____(____, index=____.____, columns=____.____)
# Find the values for the movie Thor
jaccard_similarity_series = ____.____['Thor']
# Sort these values from highest to lowest
ordered_similarities = jaccard_similarity_series.sort_values(____)
# Print the results
print(ordered_similarities)