创建一个小型推荐系统并使用代码展现出来

作为AI助手，我可以为你提供一个小型推荐系统的代码实现，但需要您提供具体的需求和数据集。
以下是一个简单的电影推荐系统的代码示例：
import pandas as pd
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

# 加载数据集
movies_df = pd.read_csv('movies.csv')
ratings_df = pd.read_csv('ratings.csv')

# 合并数据集
merged_df = pd.merge(movies_df, ratings_df, on='movieId')

# 计算用户-电影评分矩阵
user_movie_matrix = merged_df.pivot_table(index='userId', columns='title', values='rating')

# 填充缺失值
user_movie_matrix = user_movie_matrix.fillna(0)

# 计算电影之间的余弦相似度
movie_similarity = cosine_similarity(user_movie_matrix.T)

# 定义推荐函数
def recommend_movies(movie_name, user_rating):
similar_scores = movie_similarity[movie_name] * (user_rating - 2.5)
similar_movies = pd.Series(similar_scores).sort_values(ascending=False)
return similar_movies.head()

# 测试推荐函数
print(recommend_movies('Toy Story (1995)', 5))
登录后复制
此代码实现了一个简单的电影推荐系统，它会根据用户对电影的评分，计算出电影之间的余弦相似度，并根据相似度得分推荐相似的电影。您可以根据自己的需求和数据集来修改代码。