Recommandations basées sur le profil de l'utilisateur
Maintenant que vous avez construit le profil de l'utilisateur à partir de l'agrégat des films qu'il a aimés, vous pouvez le comparer au grand DataFrame tfidf_summary_df avec lequel vous travaillez pour générer des suggestions. Comme vous ne voulez pas recommander des films que l'utilisateur a déjà regardés, vous allez d'abord extraire un sous-ensemble du DataFrame tfidf_summary_df qui ne contient aucun des films déjà visionnés.
Le DataFrame user_prof que vous avez créé dans l'exercice précédent, et qui contient une seule colonne représentant l'utilisateur, a été chargé pour vous. De même, list_of_movies_enjoyed a été chargé afin que vous puissiez les exclure des prédictions.
Cette activité fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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=____)