Recomendações baseadas no perfil do usuário
Agora que você construiu o perfil do usuário com base no conjunto dos filmes de que ele gostou, pode compará-lo ao tfidf_summary_df, o DataFrame maior com o qual você vem trabalhando, para gerar sugestões. Como você não quer sugerir filmes que o usuário já assistiu, primeiro vai encontrar um subconjunto de tfidf_summary_df que não contenha nenhum dos filmes já vistos.
O DataFrame user_prof que você gerou no exercício anterior, contendo uma única coluna que representa o usuário, já foi carregado para você. Da mesma forma, list_of_movies_enjoyed também foi carregada para que você possa excluí-los das previsões.
Este exercício faz parte do curso
Construindo mecanismos de recomendação em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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=____)