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:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180724A1UP3Y00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券