人工智能应用素养 课件 第14章　电子商务领域中AI的应用——电影推荐实战.pptx

电影推荐需求业务背景人工智能应用素养

MinimalistwindAI在1987年，中国接入世界互联网。至今已35年，期间我国的网民规模与互联网普及率从无到有，从小到大。同时，像互联网产品：微信、淘宝、爱奇艺等等，现在已经渗透到我们生活的方方面面。电影推荐需求业务背景在不计其数的电影数据中，查找人们喜爱的影片，难度不断增加。

MinimalistwindAI我国网民数不断增多，互联网普及率逐年攀升电影推荐需求业务背景图历年网络规模与互联网普及率

MinimalistwindAI网络视频用户规模不断增加，用户使用率名列前茅电影推荐需求业务背景图近年网络视频用户规模图2021年互联网应用的使用率

MinimalistwindAI电影行业发展前景良好电影推荐需求业务背景图电影网单日电影票房

感谢您的观看！以上是

本节全部内容

电影推荐案例实现总体框架流程人工智能应用素养

01目录CONTENTS实现流程02实现准备

实现流程

实现流程1Part

MinimalistwindAI如果要简单实现电影推荐，需要哪些步骤呢？实现流程图电影推荐流程图需要注意的是，本案例与各个网址使用的推荐系统之间有一定的差距，本案例的目的在于带领大家领略推荐系统的魅力。

实现准备2Part

MinimalistwindAIPython是一个面向对象的脚本语言，具有解释性、编译性、互动性及很强的可读性，受到了广大开发者的青睐。实现准备图IEEESpectrum统计的编程语言排行榜1.开发语言IEEESpectrum杂志统计的2021年编程语言排行榜。其中，Python排名第一。

MinimalistwindAI实现准备2.开发环境JupyterNotebook是一个强大的网页Python编辑器。在启动后，提供一个Python运行环境，开发者可以在其中进行代码的编写、查看、输出和可视化。它是一款可执行端到端的数据科学工作流程的便携工具，其中包括数据清理、统计建模、构建和训练机器学习模型、可视化数据等。

感谢您的观看！以上是

本节全部内容

案例数据准备人工智能应用素养

01目录CONTENTS案例数据集介绍及常见预处理02推荐系统所用库03数据加载04数据划分

案例数据集介绍及常见预处理1Part

MinimalistwindAIMovieLens是一个基于Web的研究型推荐系统，从1997年秋季开始运行，用于接收用户对电影项目的评分，并提供相应的电影推荐列表。MovieLens数据集通过MovieLens网站，从1997年9月19日到1998年4月22日，共汇总了来自943个用户对1682部电影的100000个评分。案例数据集介绍及常见预处理1.MovieLens数据集介绍

MinimalistwindAI本案例主要使用其中的ml-100k数据集。主要用到三个部分：u.data（评分）u.item(电影信息)u.user(用户信息)案例数据集介绍及常见预处理1.MovieLens数据集介绍图MovieLens数据集文件目录情况

MinimalistwindAI由于案例使用的数据集是经过预处理过的，我们可以直接拿来使用，但事实上，我们一般拿到的数据都是原始数据，可能会遇到异常数据、缺失值、噪声值等一些情况，这时候就需要对这些数据进行处理，否则就会降低后期训练模型的精度。案例数据集介绍及常见预处理2.数据完整性不足及一般应对方法

MinimalistwindAI常见的缺失值处理方法包括（但不局限于）：案例数据集介绍及常见预处理2.数据完整性不足及一般应对方法忽略数据人工填写缺失值使用全局固定值填充使用属性的中心度量（如均值、中位数）进行填充使用与给定元组属于同一类的所有样本的属性均值或中位数填充使用回归、决策树等工具进行推理

推荐系统所用库2Part

MinimalistwindAISurprise（SimplePythonRecommendationSystemEngine）是一款推荐系统库，是scikit系列中的一个。简单易用，同时支持多种推荐算法（基础算法、协同过滤、矩阵分解等）。推荐系统所用库

推荐系统所用库Surprise库如何安装？一般情况可以直接用：建议使用Anaconda的方式安装：

数据加载3Part

MinimalistwindAI数据加载，由Reader和Dataset两个类来提供功能，具体的思路是由Reader提供读取数据的格式，然后Dataset按照Reader的设置来完成对数据的载入。数据加载Reader类和Dataset类

数据加载代码实现代码解析：01行：从Surprise库中导入Dataset和Reader两个包。02行：