Apriori算法实现的电影推荐python

Apriori算法是一种常用的关联规则挖掘算法，可以用于电影推荐。以下是一个简单的电影推荐实现示例，使用Python中的`mlxtend`库实现Apriori算法。

from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules
import pandas as pd

# 读入数据集
movies = pd.read_csv('movies.csv')

# 将数据集转换为适合Apriori算法的形式
basket_movies = pd.get_dummies(movies.set_index('userId')['title']).max(level=0).reset_index()

# 使用Apriori算法找出频繁项集
frequent_itemsets = apriori(basket_movies.drop('userId', axis=1), min_support=0.1, use_colnames=True)

# 使用关联规则生成推荐电影
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1)
recommendations = rules[rules['antecedents'] == {'Toy Story (1995)'}].sort_values(by='lift', ascending=False).head(5)

# 输出推荐电影列表
print(recommendations['consequents'])

该示例代码中，首先使用`pd.get_dummies()`将电影名称进行独热编码，然后使用Apriori算法找出频繁项集，接着使用关联规则生成推荐电影。最后输出推荐电影列表。