Rekomendasi berdasarkan profil pengguna
Sekarang setelah Anda membangun profil pengguna berdasarkan agregasi film-film yang mereka sukai, Anda dapat membandingkannya dengan DataFrame tfidf_summary_df yang lebih besar yang telah Anda gunakan untuk menghasilkan saran. Karena Anda tidak ingin merekomendasikan film yang sudah ditonton pengguna, pertama-tama Anda akan mencari subset dari DataFrame tfidf_summary_df yang tidak berisi film-film yang telah ditonton sebelumnya.
DataFrame user_prof yang Anda buat pada latihan sebelumnya, yang berisi satu kolom mewakili pengguna, telah dimuat untuk Anda. Demikian pula, list_of_movies_enjoyed juga telah dimuat sehingga Anda dapat mengecualikannya dari prediksi.
Latihan ini adalah bagian dari kursus
Membangun Recommendation Engine di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
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=____)