推荐系统是一种旨在提高搜索结果质量并提供/建议与用户搜索历史更相关的内容的系统。它们有助于了解用户可能喜欢什么，在今天的本教程中，我们将构建一个应用程序，向用户建议观看哪部电影。
让我们开始吧！
另请阅读：Python 推荐系统的理论介绍
在本教程中，我们将使用 TMDB 5000 电影数据集，可以在此处找到。我们将使用以下代码加载网站上提到的两个数据集。我们还将根据两个数据集的“id”列连接这两个数据集。
|
1
2
3
4
5
6
7
|
import pandas as pd import numpy as np df1=pd.read_csv('tmdb_5000_credits.csv')df2=pd.read_csv('tmdb_5000_movies.csv')df1.columns = ['id','tittle','cast','crew']df2= df2.merge(df1,on='id') |
接下来，我们将决定一个指标来判断哪部电影比其他电影更好。一种方法是我们可以直接使用数据集中给出的电影的平均评分。但这并不公平，因为特定电影的选民人数不一致。
因此，我们将使用 IMDB's weighted rating (wr) 数学描述如下 –
在上面的公式中，我们有，
v – 票数
m – 需要列出的最低票数
R – 电影的平均评分
C – 平均票数
让我们使用下面的代码计算电影的价值， qualified 方法是计算平均票数，然后仅考虑投票人数比其他电影多 90% 的电影来计算电影所需的最低票数。
|
1
2
3
4
5
6
|
C= df2['vote_average'].mean()print("Mean Average Voting : ",C)m= df2['vote_count'].quantile(0.9)print("\nTaking the movies which have 90% more voters than the other movies")print("Minimum votes required : ",m) |
现在，让我们使用下面的代码片段过滤出最受欢迎和推荐的电影。
q_movies = df2.copy().loc[df2['vote_count'] >= m] |
但我们仍然没有计算出每部合格电影的指标。我们将定义一个函数， weighted_rating 其中定义 a new feature score ，它将帮助我们使用下面的代码计算所有合格电影的价值。
|
1
2
3
4
5
6
|
def weighted_rating(x, m=m, C=C): v = x['vote_count'] R = x['vote_average'] return (v/(v+m) * R) + (m/(m+v) * C)q_movies['score'] = q_movies.apply(weighted_rating, axis=1) |
最后，让我们根据分数列对整个数据框进行排序，并查看所有其他电影中最受推荐的电影。
q_movies = q_movies.sort_values('score', ascending=False) |
让我们尝试使用下面的代码可视化排序的数据集，并了解整个数据集中最受欢迎的电影。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
pop= df2.sort_values('popularity', ascending=False)import matplotlib.pyplot as pltplt.figure(figsize=(12,4),facecolor="w")plt.barh(pop['title'].head(10),pop['popularity'].head(10), align='center',color='pink')plt.gca().invert_yaxis()plt.xlabel("Popularity Metric")plt.title("Name of the most Popular Movies")plt.show() |
看看剧情多好看，我们可以看到，在前 10 部电影中， Minions 最受欢迎和推荐的电影是这部电影。
恭喜！您使用 python 编程语言构建了一个成功的电影推荐系统！
另请阅读：