Recomendaciones basadas en el perfil de usuario
Ahora que has construido el perfil del usuario a partir del agregado de las películas que le han gustado, puedes compararlo con el DataFrame más grande tfidf_summary_df con el que has estado trabajando para generar sugerencias. Como no quieres recomendar películas que el usuario ya ha visto, primero encontrarás un subconjunto del DataFrame tfidf_summary_df que no contenga ninguna de las películas vistas previamente.
El DataFrame user_prof que generaste en el ejercicio anterior, que contiene una única columna que representa al usuario, ya está cargado. Del mismo modo, list_of_movies_enjoyed también está cargado para que puedas excluir esas películas de las predicciones.
Este ejercicio forma parte del curso
Creación de motores de recomendación en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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=____)