最初の映画レコメンデーションを作る
最も一緒に視聴される映画の組み合わせが分かったので、いよいよ最初のレコメンデーションを作成します。
視聴者に関する情報を一切使わず、映画そのものの詳細すら知らなくても、同じ人がどの映画のグループをよく一緒に見ているかを調べれば、有益なおすすめは可能です。
この演習では、Thor を見た人たちがよく一緒に見ている映画を調べ、そのデータを使って、いま Thor を見終えた人へのおすすめを作ります。
前のレッスンで作成した、映画が一緒にどのくらいの頻度で見られているかのカウントを含む DataFrame combination_counts_df は、すでに読み込まれています。
この演習はコースの一部です
Pythonでつくるレコメンデーションエンジン
演習の手順
combination_counts_dfオブジェクトを、size列で大きい順に並べ替えてください。- 並べ替えた
combination_counts_dfから、movie_aがThorの行だけを抽出して新しい順序の頻度を取得し、thor_dfに代入して結果をプロットしてください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
import matplotlib.pyplot as plt
# Sort the counts from highest to lowest
combination_counts_df.____('size', ascending=____, inplace=____)
# Find the movies most frequently watched by people who watched Thor
thor_df = ____[____['movie_a'] ____ 'Thor']
# Plot the results
thor_df.plot.bar(x="movie_b")
plt.show()