Twoje pierwsze rekomendacje filmowe
Teraz, gdy udało się znaleźć najczęściej oglądane razem filmy, czas na pierwsze rekomendacje!
Nawet bez żadnych informacji o osobie oglądającej – ani o niej samej, ani o filmie – można stworzyć wartościowe sugestie. Wystarczy przyjrzeć się, jakie zestawy filmów oglądają ci sami użytkownicy.
W tym ćwiczeniu sprawdzisz, które filmy są często oglądane razem z Thor, a następnie wykorzystasz te dane do polecenia czegoś osobie, która właśnie obejrzała ten film.
DataFrame wygenerowany w poprzedniej lekcji – combination_counts_df – zawierający liczby wspólnych obejrzeń filmów, jest już wczytany.
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Instrukcje do ćwiczenia
- Posortuj obiekt
combination_counts_dfod największej do najmniejszej wartości według kolumnysize. - Znajdź częstości filmów oglądanych razem z
Thorw nowo posortowanym obiekciecombination_counts_df, filtrując wiersze, gdziemovie_atoThor. Wynik przypisz dothor_dfi zwizualizuj go.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()