现在很多东西都是通过喜好推荐，那你知道这推荐怎么实现的吗？

第一步：收集和清洗数据

进群：125240963 ?即可获取数十套PDF哦！

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：

第二步：创建电影评分矩阵rating和评分纪录矩阵recor

注：如果数据出现较多的NaNN，对后面的运算影响较大

rating_norm =np.nan_to_num(rating_norm)

#对值为NaNN进行处理，改成数值0

rating_norm

结果：

查看训练结果: 在终端输入 tensorboard --logir=./

第五步：评估模型

还是比较难的呢！到此结束！

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!