สร้างคำแนะนำภาพยนตร์ครั้งแรกของคุณ
เมื่อพบคู่ภาพยนตร์ที่ถูกดูร่วมกันบ่อยที่สุดแล้ว ก็ถึงเวลาสร้างคำแนะนำครั้งแรกกัน!
แม้จะยังไม่มีข้อมูลเกี่ยวกับผู้ชม และไม่ทราบรายละเอียดใดๆ เกี่ยวกับภาพยนตร์เลย แต่ก็ยังสามารถสร้างคำแนะนำที่มีคุณค่าได้ โดยดูว่ากลุ่มภาพยนตร์ใดที่คนกลุ่มเดียวกันมักดูด้วยกัน
ในแบบฝึกหัดนี้ จะได้ศึกษาภาพยนตร์ที่มักถูกดูพร้อมกับ Thor แล้วนำข้อมูลนี้ไปแนะนำให้กับผู้ที่เพิ่งดูภาพยนตร์เรื่องนั้น
DataFrame ที่สร้างไว้ในบทเรียนก่อนหน้า ชื่อว่า combination_counts_df ซึ่งเก็บจำนวนครั้งที่ภาพยนตร์ถูกดูร่วมกัน ได้ถูกโหลดไว้ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้าง Recommendation Engine ด้วย Python
คำแนะนำการฝึกหัด
- เรียงลำดับ
combination_counts_dfจากมากไปน้อยตามคอลัมน์size - ค้นหาความถี่ของภาพยนตร์
Thorจากcombination_counts_dfที่เรียงลำดับแล้ว โดยกรองเฉพาะแถวที่movie_aเป็นThorแล้วกำหนดผลลัพธ์ให้กับตัวแปรthor_dfจากนั้นพล็อตแสดงผล
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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()