Tworzenie rekomendacji na podstawie gatunków filmowych
Teraz, gdy dane są w użytecznym formacie i wiesz już, jak porównywać dwa filmy, kolejnym krokiem jest wykorzystanie tych informacji do generowania rekomendacji. W tym ćwiczeniu nauczysz się, jak generować rekomendacje dla dowolnego filmu w zbiorze danych.
Wyniki podobieństwa między wszystkimi filmami w zbiorze danych, obliczone w poprzednim ćwiczeniu, zostały wczytane jako jaccard_similarity_array. Dostępna jest również tabela movie_cross_table zawierająca filmy i ich atrybuty.
Dla wygody użycia musisz opakować wyniki podobieństwa w DataFrame. Następnie użyjesz tego nowego DataFrame do zaproponowania rekomendacji filmowej.
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)