Generera rekommendationer baserade på filmgenrer
Nu när dina data har ett användbart format och du vet hur du jämför två filmer är nästa steg att använda detta för att generera rekommendationer. I den här övningen lär du dig att ta fram rekommendationer för vilken film som helst i din datamängd.
Likhetsvärden mellan alla filmer i datamängden, som du beräknade i förra övningen, har förhandsladdats åt dig som jaccard_similarity_array. movie_cross_table, som innehåller filmerna och deras attribut, finns också tillgänglig.
För att göra det smidigt behöver du omsluta likhetsvärdena i en DataFrame. Sedan använder du den nya DataFrame:n för att föreslå en filmrekommendation.
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.
# 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)