基于用户的协同过滤电影推荐系统的Python代码，使用MovieLens数据集

好的，这是一个基于用户的协同过滤电影推荐系统的 Python 代码，使用 MovieLens 数据集。

首先，需要导入必要的库和数据集：

import pandas as pd
import numpy as np

# 读取数据集
ratings = pd.read_csv('ratings.csv')
movies = pd.read_csv('movies.csv')

# 合并数据集
ratings = pd.merge(movies, ratings).drop(['genres', 'timestamp'], axis=1)

# 创建用户-电影评分矩阵
user_ratings = ratings.pivot_table(index=['userId'], columns=['title'], values='rating')

接着，计算相似度矩阵：

# 计算相似度矩阵
corr_matrix = user_ratings.corr(method='pearson', min_periods=10)

然后，定义一个函数来进行推荐：

# 定义函数来进行推荐
def get_movie_recommendations(movie_name, user_ratings, corr_matrix):
    similar_scores = corr_matrix[movie_name] * (user_ratings - user_ratings.mean())
    similar_scores = similar_scores.dropna()
    similar_scores = similar_scores.sort_values(ascending=False)
    return similar_scores

最后，调用该函数来获取推荐电影列表：

# 获取推荐电影列表
movie_name = 'Toy Story (1995)'
recommendations = get_movie_recommendations(movie_name, user_ratings, corr_matrix)
print(recommendations.head(10))

这将返回与 Toy Story 最相似的前 10 部电影。