基于python的电影推荐网站_基于Python的电影推荐算法

结果：

movieId

title

genres

9120

162672

Mohenjo Daro (2016)

Adventure|Drama|Romance

9121

163056

Shin Godzilla (2016)

Action|Adventure|Fantasy|Sci-Fi

9122

163949

The Beatles: Eight Days a Week - The Touring Y...

Documentary

9123

164977

The Gay Desperado (1936)

Comedy

9124

164979

Women of '69, Unboxed

Documentary

将movies_df中的movieId替换为行号

movies_df[ 'movieRow'] = movies_df. index #生成一列‘movieRow’，等于索引值 index movies_df.tail()

结果：

movieId

title

genres

movieRow

9120

162672

Mohenjo Daro (2016)

Adventure|Drama|Romance

9120

9121

163056

Shin Godzilla (2016)

Action|Adventure|Fantasy|Sci-Fi

9121

9122

163949

The Beatles: Eight Days a Week - The Touring Y...

Documentary

9122

9123

164977

The Gay Desperado (1936)

Comedy

9123

9124

164979

Women of '69, Unboxed

Documentary

9124

筛选movies_df中的特征

movies_df = movies_df[[ 'movieRow', 'movieId', 'title']] #筛选三列出来 movies_df.to_csv( './ml-latest-small/moviesProcessed.csv', index= False, header= True, encoding= 'utf-8') #生成一个新的文件moviesProcessed.csv movies_df.tail()

结果：

movieRow

movieId

title

9120

9120

162672

Mohenjo Daro (2016)

9121

9121

163056

Shin Godzilla (2016)

9122

9122

163949

The Beatles: Eight Days a Week - The Touring Y...

9123

9123

164977

The Gay Desperado (1936)

9124

9124

164979

Women of '69, Unboxed

根据movieId，合并rating_df和movie_df

ratings_df = pd.merge(ratings_df, movies_df, on= 'movieId') ratings_df.head()

结果：

userId

movieId

rating

timestamp

movieRow

title

0

1

31

2.5

1260759144

30

Dangerous Minds (1995)

1

7

31

3.0

851868750

30

Dangerous Minds (1995)

2

31

31

4.0

1273541953

30

Dangerous Minds (1995)

3

32

31

4.0

834828440

30

Dangerous Minds (1995)

4

36

31

3.0

847057202

30

Dangerous Minds (1995)

筛选ratings_df中的特征

ratings_df = ratings_df[[ 'userId', 'movieRow', 'rating']] #筛选出三列 ratings_df.to_csv( './ml-latest-small/ratingsProcessed.csv', index= False, header= True, encoding= 'utf-8') #导出一个新的文件ratingsProcessed.csv ratings_df.head()

结果：

userId

movieRow

rating

0

1

30

2.5

1

7

30

3.0

2

31

30

4.0

3

32

30

4.0

4

36

30

3.0

userNo = ratings_df['userId'].max() + 1 #userNo的最大值 movieNo = ratings_df['movieRow'].max() + 1 #movieNo的最大值 rating = np.zeros((movieNo,userNo)) #创建一个值都是0的数据 flag = 0 ratings_df_length = np.shape(ratings_df)[0] #查看矩阵ratings_df的第一维度是多少 for index,row in ratings_df.iterrows(): #interrows()，对表格ratings_df进行遍历 rating[int(row['movieRow']),int(row['userId'])] = row['rating'] #将ratings_df表里的'movieRow'和'userId'列，填上row的‘评分’ flag += 1 record = rating > 0 record record = np.array(record, dtype = int) #更改数据类型，0表示用户没有对电影评分，1表示用户已经对电影评分 record

结果：

array([[ 0, 0, 0, ..., 0, 1, 1], [ 0, 0, 0, ..., 0, 0, 0], [ 0, 0, 0, ..., 0, 0, 0], ..., [ 0, 0, 0, ..., 0, 0, 0], [ 0, 0, 0, ..., 0, 0, 0], [ 0, 0, 0, ..., 0, 0, 0]])

第三步：构建模型 def normalizeRatings(rating, record): m, n =rating.shape #m代表电影数量，n代表用户数量 rating_mean = np.zeros((m, 1)) #每部电影的平均得分 rating_norm = np.zeros((m,n)) #处理过的评分 for i in range(m): idx = record[i,:] != 0 #每部电影的评分，[i，:]表示每一行的所有列 rating_mean[i] = np.mean(rating[i,idx]) #第i行，评过份idx的用户的平均得分； #np.mean() 对所有元素求均值 rating_norm[i,idx] -= rating_mean[i] #rating_norm = 原始得分-平均得分 return rating_norm, rating_mean rating_norm, rating_mean = normalizeRatings(rating, record)

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

# 函数解释： # reduce_sum() 就是求和，reduce_sum( input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None) # reduce_sum() 参数解释： # 1) input_tensor：输入的张量。 # 2) axis：沿着哪个维度求和。对于二维的input_tensor张量，0表示按列求和，1表示按行求和，[0, 1]表示先按列求和再按行求和。 # 3) keep_dims：默认值为Flase，表示默认要降维。若设为True，则不降维。 # 4) name：名字。 # 5) reduction_indices：默认值是None，即把input_tensor降到 0维，也就是一个数。对于2维input_tensor，reduction_indices=0时，按列；reduction_indices=1时，按行。 # 6) 注意，reduction_indices与axis不能同时设置。 # tf.matmul(a,b),将矩阵 a 乘以矩阵 b，生成a * b # tf.matmul(a,b)参数解释： # 1) a：类型为 float16，float32，float64，int32，complex64，complex128 和 rank > 1的张量。 # 2) b：与 a 具有相同类型和 rank。 # 3) transpose_a：如果 True，a 在乘法之前转置。 # 4) transpose_b：如果 True，b 在乘法之前转置。 # 5) adjoint_a：如果 True，a 在乘法之前共轭和转置。 # 6) adjoint_b：如果 True，b 在乘法之前共轭和转置。 # 7) a_is_sparse：如果 True，a 被视为稀疏矩阵。 # 8) b_is_sparse：如果 True，b 被视为稀疏矩阵。 # 9) name：操作名称(可选)

优化算法

optimizer = tf.train.AdamOptimizer( 1e- 4) # https://blog.csdn.net/lenbow/article/details/52218551 train = optimizer.minimize(loss) # Optimizer.minimize对一个损失变量基本上做两件事 # 它计算相对于模型参数的损失梯度。 # 然后应用计算出的梯度来更新变量。

第四步：训练模型 # tf.summary的用法 https://www.cnblogs.com/lyc-seu/p/8647792.html tf.summary.scalar( 'loss',loss) #用来显示标量信息

结果：

查看训练结果: 在终端输入 tensorboard --logir=./

第五步：评估模型Current_X_parameters, Current_Theta_parameters = sess.run([X_parameters, Theta_parameters]) # Current_X_parameters为用户内容矩阵，Current_Theta_parameters用户喜好矩阵 predicts = np.dot(Current_X_parameters,Current_Theta_parameters.T) + rating_mean # dot函数是np中的矩阵乘法，np.dot(x,y) 等价于 x.dot(y) errors = np.sqrt(np.sum((predicts - rating)**2)) # sqrt(arr) ,计算各元素的平方根 errors

结果：4037.9002717628305

结果：

作者：Kervin_Chan 源自：https://juejin.im/post/5afbfe316fb9a07aa5427d73 #heading-5

转发此文到朋友圈并截图到后台，

获得20G

python入门视频课

往期实战及福利

关注本公众号，牧原小主 送您

2.7G 380份最新数据分析报告

40G 人工智能算法课

已关注的小伙伴，直接回复数据分析报告、人工智能算法

关注后，回复 PM2.5 获得 Python分析北京PM2.5，原来每年的值都在变少...所有源代码

关注后，回复“python3.7”，获得python 3.7官方最新pdf 文档

关注后，回复 世界杯， 获得 2018世界杯来了，利用Python预测冠军(附全部代码和数据集)所有源代码

关注后，回复“豆瓣电影“，获得 Python实战 | 手把手教你爬取豆瓣电影 Top 250(附全部代码及福利哦)所有源代码

关注后，回复“python可视化”，获得 利用python“三步”实现数据可视化，炫的不要不要的！所有源代码

2.7G 380份最新数据分析报告

40G 人工智能算法课

已关注的小伙伴，直接回复数据分析报告、人工智能算法

长按二维码，关注我们