Formuler des recommandations à partir des genres de films
Maintenant que vos données sont dans un format exploitable et que vous savez comparer deux films, l’étape suivante consiste à générer des recommandations. Dans cet exercice, vous allez apprendre 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, que vous avez calculés lors de l’exercice précédent, ont été préchargés sous le nom jaccard_similarity_array. movie_cross_table, qui contient les films et leurs attributs, est également disponible.
Pour simplifier l’utilisation, vous devrez encapsuler les scores de similarité dans un DataFrame. Vous utiliserez ensuite ce nouveau DataFrame pour suggérer un film en recommandation.
Cet exercice fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)