| 机器学习项目（五） 电影推荐系统（一） | 您所在的位置：网站首页 › 电影推荐2 › 机器学习项目（五） 电影推荐系统（一） |
机器学习项目（五） 电影推荐系统（一）
|
电影推荐系统
1.推荐系统简介 2.电影数据处理 3.简单电影推荐 4.基于内容电影推荐 5.协同过滤 6.总结 一、推荐系统简介 推荐系统的商业应用推荐系统能找到你喜欢的 帮助你决策 然后发现新的事物 从商家的角度来说 推荐系统可以提供个性化的服务 提高用户的信任度 对推出商品的粘性 进而增加商家的营收 推荐系统就是联系用户和信息之间的关系一方面帮助用户发现对自己有价值的信息 另一方面可以让信息展现到对其感兴趣的用户面前 从而实现了信息消费者和信息生产者的双赢 个性推荐化系统主要场景电子商务：淘宝 电影视频推荐 音乐电台推荐：物品种类丰富 音乐种类丰富 物品重用率高 社交网络：抖音 个性化阅读 个性化广告：帮助商家找到可能对其感兴趣的用户 分为: 上下文广告 根据用户正在浏览的相关内容 投放相关的广告搜索广告 通过分析用户在当前会话中搜索的记录 然后判断用户搜索的目的 进行投放 投放和用户目的相关的广告个性化展示的广告 根据用户的兴趣 根据不同的用户 投放不同的广告 长尾理论
1997年，Resnick和Varian提出：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助用户完成购买过程” 1.用户建模 2.推荐对象建模模块 3.推荐算法 推荐系统项目的一般流程
内容：特征信息 大小：样本数目(行) 特征数目(列) 质量：缺失值 异常值 import pandas as pd import numpy as np md = pd.read_csv('data/movies_metadata.csv') print(md.head()) md.shape # (45466, 24) 样本数目 特征数目 # 检验数据的安全性 数据规范问题 from ast import literal_eval md['genres'] = md['genres'].fillna('[]').apply(literal_eval).apply(lambda x:[i['name'] for i in x] if isinstance(x, list) else []) md.head() # 查看缺失值情况 md.isnull().any() md.loc[md['imdb_id'].isnull() == True] md['imdb_id'] = md['imdb_id'].fillna('tt0000000') md['imdb_id'].isnull().any() # 查看每列的数值数目 md.count() # 数据可视化 # 分类型简单推荐-不同类型的数目 # 根据不同类型电影观看的人数 判断该类型电影的流行程度 进而可以查看哪些电影是最热门的 genre_set = set() #设置空集合 # 将电影类别名放入集合 for x in md['genres']: for y in range(0,len(x)-1): print(x[y]) genre_set.update(x) genre_set.discard('') #删除''字符 genre_set #对各种电影风格genre，进行one-hot编码 genre_df = pd.DataFrame() # 创建空的数据框 for genre in genre_set: #如果一个值中包含特定内容，则编码为1，否则编码为0 genre_df[genre] = md['genres'].str.contains(genre).map(lambda x:1 if x else 0) md['year'] = pd.to_datetime(md['release_date'], errors='coerce').apply(lambda x: str(x).split('-')[0] if x != np.nan else np.nan) genre_df['year']=md['year'] #将genre_df按year分组，计算每组之和。groupby之后，year列通过默认参数as_index=True自动转化为df.index genre_by_year = genre_df.groupby('year').sum() # 进行排序操作 False降序 True升序 genresum_by_year = genre_by_year.sum().sort_values(ascending=False) import matplotlib.pyplot as plt import seaborn as sns #计算每个风格genre的电影总数目，并降序排列，再可视化 fig = plt.figure(figsize=(15,11)) #设置画图框的大小 ax = plt.subplot(1,1,1) #设置框的位置 ax = genresum_by_year.plot.bar() plt.xticks(rotation=60) # x轴的标签 转换60度 plt.title('Film genre by year', fontsize=18) #设置标题的字体大小，标题名 plt.xlabel('count', fontsize=18) #X轴名及轴名大小 plt.ylabel('genre', fontsize=18) #y轴名及轴名大小 plt.show() #可以用查看数据画的图。 #保存图片 fig.savefig('film genre by year.png',dpi=600) #筛选出电影风格TOP8 genre_by_year = genre_by_year[['Drama','Comedy','Thriller','Romance', 'Adventure','Crime', 'Science Fiction', 'Horror']].loc[:,:] year_min = md['year'].min() #最小年份 year_max = md['year'].max() #最大年份 year_min # 电影数目随时间的变化趋势 fig = plt.figure(figsize=(20,20)) ax1 = plt.subplot(1,1,1) plt.plot(genre_by_year) plt.xlabel('Year', fontsize=30) # fontsize 字体大小 plt.ylabel('Film count', fontsize=30) plt.title('Film count by year', fontsize=30) plt.xticks(range(0,150,10)) #横坐标每隔10年一个刻度 #设置表格用什么字体 font = { 'family' : 'SimHei' } import matplotlib matplotlib.rc('font', **font) plt.legend(['Drama(戏剧类)','Comedy(喜剧类)','Thriller(惊悚类)','Romance(浪漫类)', 'Adventure(Adventure)','Crime(犯罪类)', 'Science Fiction(科幻类)', 'Horror(惊恐类)'], loc='best',ncol=2) #设置说明标签 fig.savefig('film count by year.png',dpi=200) # 平均投票数 # 提取用户id 标题title 上映时间year popularity popular_data=pd.DataFrame() popular_data['id']=md['id'] popular_data['title']=md['title'] popular_data['year']=md['year'] popular_data['popularity']=md['popularity'] popular_data.head() # vote_average 平均分 popular_data=pd.DataFrame() popular_data['id']=md['id'] popular_data['title']=md['title'] popular_data['year']=md['year'] popular_data['vote_average']=md['vote_average'] popular_data.head() # 基于平均分 进行排序 降序 popular_data.sort_values(by='vote_average',ascending=False).head(10) 在这里插入代码片
|
将庞大的长尾商品量 * 相当小的单向长尾商品的销售量 获得的收益 比较可观 所以 个性化的推荐也可以带来公司业务的增长
film genre by year 
film count by year【本文地址】
公司简介
联系我们