Rekommendationer baserade på användarprofiler
Nu när du har byggt upp användarprofilen utifrån ett aggregat av de filmer användaren tyckt om, kan du jämföra den med den större DataFrame:n tfidf_summary_df som du har arbetat med för att generera förslag. Eftersom du inte vill föreslå filmer som användaren redan har sett, börjar du med att ta fram en delmängd av tfidf_summary_df som inte innehåller några av de tidigare sedda filmerna.
DataFrame:n user_prof som du skapade i föregående övning – och som innehåller en enda kolumn med användarprofilen – har laddats in åt dig. På samma sätt har list_of_movies_enjoyed laddats in så att du kan exkludera dem från förutsägelserna.
Den här övningen är en del av kursen
Bygga rekommendationsmotorer i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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=____)