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:
领取专属 10元无门槛券
私享最新 技术干货