Formuler des recommandations selon les genres de films
Maintenant que vos données sont dans un format exploitable et que vous savez comparer deux films, l'étape suivante consiste à vous en servir pour générer des recommandations. Dans cet exercice, vous apprendrez à produire des recommandations pour n'importe quel film de votre jeu de données.
Les scores de similarité entre tous les films du jeu de données, calculés au dernier exercice, ont été préchargés pour vous sous le nom jaccard_similarity_array. Le tableau croisé movie_cross_table, qui contient les films et leurs attributs, est aussi disponible.
Pour faciliter l'utilisation, vous devrez encapsuler les scores de similarité dans un DataFrame. Vous utiliserez ensuite ce nouveau DataFrame pour proposer une recommandation de film.
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.
# 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)