基于Python和Tensorflow的电影推荐算法

第一步：收集和清洗数据

数据链接：https://grouplens.org/datasets/movielens/

下载文件：ml-latest-small

导入ratings.csv文件

结果：

导入movies.csv文件

结果：

将movies_df中的movieId替换为行号

结果：

筛选movies_df中的特征

结果：

根据movieId，合并rating_df和movie_df

结果：

筛选ratings_df中的特征

结果：

第二步：创建电影评分矩阵rating和评分纪录矩阵record

结果：

第三步：构建模型

结果：

注：如果数据出现较多的NaNN，对后面的运算影响较大

结果：

-

结果：

构建模型

优化算法

第四步：训练模型

结果：

查看训练结果: 在终端输入 tensorboard --logir=./

第五步：评估模型

结果：

第六步：构建完整的电影推荐系统

结果：