构建用户画像
您现在已经能够基于带标签的特征或基于物品描述，为相似物品生成建议。但有时仅找到相似物品还不够。 在接下来的练习中，您将学习如何基于某位用户及其喜欢过的所有物品来创建推荐，而不是仅基于单个物品。 您将首先通过聚合该用户之前喜欢的所有电影来生成一个用户画像。
我们已为您加载了前几道练习中使用的 tfidf_summary_df。该表每行对应一部电影，以电影标题为索引，每个特征各一列，存放相应的 TF-IDF 分数。
本练习是课程的一部分
用 Python 构建推荐引擎
交互式实操练习
通过完成这段示例代码来试试这个练习。
list_of_movies_enjoyed = ['Captain America: The First Avenger', 'Green Lantern', 'The Avengers']
# Create a subset of only the movies the user has enjoyed
movies_enjoyed_df = tfidf_summary_df.____(____)
# Inspect the DataFrame
print(movies_enjoyed_df)