Aanbevelingen maken op basis van filmgenres
Nu je je data in een bruikbaar formaat hebt en weet hoe je twee films kunt vergelijken, is de volgende stap om dit te gebruiken om aanbevelingen te genereren. In deze oefening leer je hoe je aanbevelingen maakt voor elke film in je gegevensset.
De similariteitsscores tussen alle films in de gegevensset die je in de vorige oefening hebt berekend, zijn voor je vooringeladen als jaccard_similarity_array. movie_cross_table met de films en hun eigenschappen is ook beschikbaar.
Voor het gemak wikkel je de similariteitsscores in een DataFrame. Vervolgens gebruik je dit nieuwe DataFrame om een filmaanbeveling te doen.
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.
# 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)