Creare raccomandazioni basate sui generi dei film
Ora che hai i tuoi dati in un formato utilizzabile e sai come confrontare due film, il passo successivo è usare tutto questo per generare raccomandazioni. In questo esercizio imparerai a generare raccomandazioni per qualsiasi film nel tuo insieme di dati.
I punteggi di similarità tra tutti i film dell'insieme di dati che hai calcolato nell'esercizio precedente sono stati precaricati come jaccard_similarity_array. È disponibile anche movie_cross_table, che contiene i film e i loro attributi.
Per comodità, dovrai incapsulare i punteggi di similarità in un DataFrame. Poi userai questo nuovo DataFrame per suggerire un film come raccomandazione.
Questo esercizio fa parte del corso
Creare motori di raccomandazione in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)