Python机器学习项目化教程（微课视频版）课件 第13章 综合案例：基于协同过滤的推荐系统.pptx

第13章综合案例分析：基于协同过滤的推荐系统

目录CONTENTS13.1数据探索与分析13.2基于项目的协同过滤电影推荐系统13.5本章小结

13.1数据探索与分析学习基础学习认知能力信息素养高MovieLens1M数据集是个性化推荐最为常用的数据集之一，它由美国Minnesota大学的GroupLens项目组创办。MoveLens1M数据集包含来自6040名用户对约3900部电影的100万条评价数据，这些数据分为3个表：users、movies和ratings。

13.1数据探索与分析

13.1数据探索与分析

13.1数据探索与分析print(rating_means.loc[:5,[mean_rating,mean_age]])

13.2基于项目的协同过滤推荐系统

13.2基于项目的协同过滤推荐系统

13.2基于项目的协同过滤推荐系统表13-3用户-项目评分矩阵User 项目 item1 item2 item3 item4A 4 3 ？ 4B 5 5 3 4C 4 ？ 2 5D 4 5 2 ？E 3 2 2 3

13.2基于项目的协同过滤推荐系统表13-3用户-项目评分矩阵User 项目 item1 item2 item3 item4A 4 3 ？ 4B 5 5 3 4C 4 ？ 2 5D 4 5 2 ？E 3 2 2 3

13.2基于项目的协同过滤推荐系统著名的TextCNN推荐系统构造的模型如图13-1所示。

13.3本章小结本章主要以Movielens1M数据集为例介绍了基于协同过滤的推荐系统的实现，主要是要先获取数据集并对数据集进行划分，然后通过分析数据集特征，计算项目相似性，然后进行预测评分。最后，给出了目前流行的TextCNN推荐模型，基于深度学习的推荐方法是基于深度学习在文本的基础上进行的，本章介绍的传统的推荐系统的实现并引出流行的深度学习推荐方法，主要是激发读者的创新潜能。