Membuat rekomendasi dengan TF-IDF
Pada latihan sebelumnya Anda telah menghitung terlebih dahulu nilai kemiripan antar semua film dalam himpunan data berdasarkan ringkasan plot yang ditransformasikan dengan TF-IDF. Sekarang Anda akan menempatkan nilai kemiripan tersebut ke dalam sebuah DataFrame agar mudah digunakan. Lalu Anda akan menggunakan DataFrame baru ini untuk menyarankan satu rekomendasi film.
Array cosine_similarity_array yang berisi matriks nilai kemiripan antar semua film yang Anda buat pada latihan sebelumnya telah dimuat untuk Anda. DataFrame tfidf_summary_df yang memuat daftar film dan fitur TF-IDF-nya juga tersedia.
Latihan ini adalah bagian dari kursus
Membangun Recommendation Engine di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Wrap the preloaded array in a DataFrame
cosine_similarity_df = pd.____(____, index=tfidf_summary_df.index, columns=tfidf_summary_df.index)
# Find the values for the movie Rio
cosine_similarity_series = ____.____['Rio']
# Sort these values highest to lowest
ordered_similarities = cosine_similarity_series.____(____)
# Print the results
print(____)