Aanbevelingen op basis van een gebruikersprofiel
Nu je het gebruikersprofiel hebt opgebouwd op basis van de verzamelde kenmerken van de films die deze gebruiker leuk vond, kun je het vergelijken met de grotere DataFrame tfidf_summary_df waar je mee werkte om suggesties te genereren. Omdat je geen films wilt aanraden die de gebruiker al heeft gezien, zoek je eerst een subset van de DataFrame tfidf_summary_df die geen van de eerder bekeken films bevat.
De DataFrame user_prof die je in de vorige oefening hebt gemaakt en die één kolom bevat die de gebruiker vertegenwoordigt, is voor je ingeladen. Ook is list_of_movies_enjoyed ingeladen zodat je deze uit de voorspellingen kunt uitsluiten.
Deze oefening maakt deel uit van de cursus
Aanbevelingssystemen bouwen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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=____)