碟中谍这么火，我用机器学习做个迷你推荐系统电影

阿汤哥的碟中谍系列一直是我的最爱，惊险刺激，场面火爆。最近碟中谍6更是全面上映，一路从地上打到天上，尤其最后两架直升机追逐的场面非常好看！看完之后不过瘾，想想还有啥有类似碟中谍的好看的电影，不如我们用万能的Python+机器学习里的协同过滤的算法来写一个电影推荐系统。

01.准备数据集

机器学习离不开数据集，我们必须要有一些数据喂给机器学习，训练模型之后才能让算法运行起来，这里我们准备了两份数据集：

1).电影数据

我们准备了一份有1682份数据的电影集：

1682行，3列数据，其实有电影的id,电影的名字和电影上映的日期。

2).用户点评数据10000条

这里我们拿到了有10000名用户电影评分的数据，从movielen网上获得！这样的数据集kaggle上也有很多。为了简单期间，我们只选择其中的4列特征数据作为分析(用户的id,电影的id,评分等级和时间):

10000行，4列数据，大家看一些时间戳，这个时间戳用time.localtime换算一下，发现大部分都是2000年左右的点评数据，数据集稍微有点旧，但是对我们练手一个小的推荐系统足以！

3).读取数据集

先把两份文件的数据读到内存里面，这当然是用pandas来做数据读取。

02.协同过滤算法

协同过滤方法可以分为两个主要部分，基于用户协同过滤和产品-产品协同过滤。一个基于用户协同过滤将选取一个特定的用户，基于打分的相似性发现类似于该用户的用户，并推荐那些相似用户喜欢的产品。

简单来说，就是：

• 基于用户协同过滤: “喜欢这个东西的人也喜欢……”

• 基于产品协同过滤: “像你一样的人也喜欢……” 

其中有一个关键点，就是计算相似度。这里将要用到的方法是余弦相似度，类似的还有欧几里得距离，曼哈顿距离等等来衡量两者之间的距离（相似性）。但在这里，协同过滤用余弦相似度要更好，也更合理。

1).构造用户-电影矩阵

输出的矩阵，看起来就是我们想要的，每一行代表一个用户，每一列代表一部电影，矩阵元素则是评分。那接下来就可以进行第二步了——相似度计算。

2).相似度计算

sklearn应该是用的非常多的机器学习库，里面内置了大量的成熟的库，非常方面，这里我们导入余弦相似度cosine_similarity库。

到这里，已经获得了电影的相似度矩阵了。这里有个小细节，在计算时我用了矩阵转置，为什么呢？因为现在是计算电影相似度，不转置的话计算的是用户的相似性！所以这里要注意一下转置。

03.写一个小推荐系统应用程序

既然核心的两部分我们都求出来了，下面编写一个应用小程序,希望的功能如下：

利用电影间的相似程度，当我们输入一部电影的片名（不需要全部），可以返回想要的推荐个数，分别是什么，有多少用户评分，得分多少。

1).迷你推荐系统

因为前面有的了矩阵和相识度，其实我们只需要获取电影的名字和推荐的个数，查表即可，然后把结果保存到movie_list

2).获取用户的输入

我们写一个小程序来获取用户想推荐的电影，比如现在用户看了碟中谍，想再推荐5部类似的电影:

按完回车之后我们可以得到一个推荐电影列表：

跟碟中谍类似的电影有:

• 独立日 Independence Day

• 勇闯夺命岛 The Rock

• 龙卷风 Twister

• 蒸发密令 Eraser

• 断箭 Broken Arrow

还是蛮准的，至少推荐的几部确实对我胃口，当然你也可以询问相似度的阈值,得到更精准的推送！

人工智能已经慢慢的侵入我们的生活，在海量的大数据面前，机器通过各种算法的学习和训练变的越来越聪明。这样的推荐系统，尤其是协同过滤算法在很大电商网站上都经常使用！其实整个这个小程序代码量很小，有兴趣的同学可以试试！

需要本篇源码和数据集练手，请找小助手！

Python就是这么有趣好玩

另外发现很多同学有入门的问题，到处找资料，现在关注码题达人小助手，我会送一些我自己精选的入门的资料，有兴趣的可以关注,非诚勿扰！

往期精彩：