Calcularea similarității Jaccard între două filme individuale din setul de date este utilă pentru analize la scară mică, însă pe seturi de date mai mari poate deveni lentă atunci când generezi recomandări.

În acest exercițiu, vei calcula similaritățile dintre toate filmele și le vei stoca într-un DataFrame pentru o căutare rapidă și ușoară.

Pentru a găsi similaritățile dintre rândurile unui DataFrame, ai putea parcurge toate perechile și le-ai putea calcula individual, dar este mai eficient să folosești funcția pdist() (distanță pereche) din scipy.

Rezultatul poate fi remodelat în forma dreptunghiulară dorită folosind squareform() din aceeași bibliotecă. Deoarece vrei valori de similaritate și nu distanțe, va trebui să scazi valorile din 1.

movie_cross_table a fost încărcat din nou pentru tine.

Recomandări bazate pe profilul utilizatorului

Create Your Free Account