使用tensorflow构建电影推荐系统

最新推荐文章于 2025-06-19 09:37:54 发布

开开_王子

最新推荐文章于 2025-06-19 09:37:54 发布

阅读量4.5k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：推荐系统

本文链接：https://blog.youkuaiyun.com/kan2281123066/article/details/81509266

该博客介绍了如何使用TensorFlow构建电影推荐系统，从搜集数据集开始，经过数据准备、模型构建、优化目标设定、模型训练，直至通过TensorBoard观察训练结果和进行模型评估，最终构建完整的推荐系统。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、搜集数据集
https://grouplens.org/datasets/movielens/
这里写图片描述
2、准备数据

import pandas as pd
import numpy as np
import tensorflow as tf
ratings_df = pd.read_csv('C:/Users/Administrator/PycharmProjects/myproject/ml-latest-small/ratings.csv')
#print(ratings_df.tail()) #加载ratings.csv文件
movies_df = pd.read_csv('ml-latest-small/movies.csv')
#print(movies_df.tail())# 加载movies.csv文件
movies_df['movieRow'] = movies_df.index
#print(movies_df.tail())

# # 筛选movies_df中的特征
movies_df = movies_df[['movieRow', 'movieId', 'title']]
movies_df.to_csv('moviesProcessed.csv', index = False, header=True, encoding='utf-8')
#print(movies_df.tail())#筛选好之后的movies_df文件
#将rating_df中的movieId替换为行号
ratings_df = pd.merge(ratings_df, movies_df, on=