利用机器学习创建基于位置的推荐程序

推荐系统被广泛应用于不同的应用程序中，用于预测用户对产品或服务的偏好或评价。在过去的几分钟或几小时里，你很可能在网上遇到过或与某种类型的推荐系统进行过互动。这些推荐系统有不同的类型，其中最突出的包括基于内容的过滤和协作过滤。在本文中，我们将研究基于地理位置的推荐，我们特别关注地理位置，以便利用用户的地理位置提供更相关的推荐。

为了说明基于位置的推荐器的关键方面，我们将使用 K-Means 算法和来自 Kaggle 的 Yelp 数据集执行一个简单的基于位置的推荐。数据是 JSON 文件，可以用 pandas 轻松读取。

下表显示了数据集的前 5 行。表中提供了企业坐标、评级星级和每家企业的评论数量。

探索性数据分析（EDA）与预处理 

在本节中，我们将探索并预处理数据集。该数据集包含来自 yelp 用户的评论，并包含许多类别。为了简化我们的分析和对推荐模型的解释，我们将把重点放在餐馆上，您也可以选择您感兴趣的其他类别。

我们首先通过过滤所有包含 "餐馆 "一词的业务来创建一个餐馆数据帧。然后，我们绘制出餐厅星级从 1 星到 5 星的分布图。从图中可以清楚地看出，大多数餐厅的星级为 4.0 或 3.5 星，只有少数餐厅的星级为 5.0 星。