利用余炫相似性建立邻近性矩阵进行电影分析的代码
时间: 2024-03-03 16:51:57 浏览: 16
以下是一个利用余弦相似性建立邻近性矩阵的电影分析代码示例:
```python
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity
# 读取电影评分数据
rating_df = pd.read_csv('ratings.csv')
# 构建电影评分矩阵
rating_matrix = rating_df.pivot_table(index='userId', columns='movieId', values='rating')
# 填充缺失值
rating_matrix.fillna(0, inplace=True)
# 计算余弦相似度矩阵
movie_similarity = cosine_similarity(rating_matrix.T)
# 构建邻近性矩阵
movie_neighbors = pd.DataFrame(movie_similarity, index=rating_matrix.columns, columns=rating_matrix.columns)
# 打印邻近性矩阵
print(movie_neighbors)
```
这个代码示例假设你已经有了一个包含电影评分数据的CSV文件(文件名为ratings.csv),其中包括每个用户对于每个电影的评分。代码读取这个CSV文件,构建电影评分矩阵,然后使用sklearn库的cosine_similarity函数计算电影间的余弦相似度矩阵。最后,代码利用这个余弦相似度矩阵构建邻近性矩阵,并打印出来。