Vamos aprender como os sistemas de recomendação funcionam, realizando uma aplicação prática para recomendação de filmes, através da linguagem Python e do Power BI.
Curso de Machine Learning com Python - Módulo 2: didatica.tech/...
Curso de Machine Learning com Power BI: didatica.tech/...
Para criar nosso próprio sistema de recomendação de filmes, similar ao que a Netflix utiliza, vamos utilizar uma base de dados contendo usuários, filmes e as avaliações dos usuários para cada filme. Com o algoritmo svd++ iremos criar o modelo para prever as avaliações dos usuários para filmes ainda não avaliados, utilizando Python. Através de um dashboard no Power BI, iremos indicar ao usuário os 3 filmes com as maiores previsões de avaliação para ele, exibindo o nome e imagem de cada filme, que estarão integrados com uma página web, e o percentual de relevância de cada um.
Link base de dados: guoguibing.git...
Página web: www.themoviedb...
Script Python top 20 filmes:
df = pandas.read_csv('insira_aqui_o_caminho_do_seu_PC/ratings.txt', sep=" ", names = ['Usuario ID', 'Filme ID','Avaliacao'])
vinte = df.groupby(['Filme ID']).count().sort_values('Usuario ID',ascending = False).head(20).index
dataset['ID Filme'] = vinte
Script Python treinamento do modelo e previsões:
import surprise
vinte = dataset.groupby(['Filme ID']).count().sort_values('Usuario ID', ascending = False).head(20).index
dataset = dataset.loc[dataset['Filme ID'].isin(vinte)]
definindo o range das avaliacoes:
reader = surprise.Reader(rating_scale = (0.5, 4.0))
dataset_surprise = surprise.Dataset.load_from_df(dataset, reader)
Escolhendo o algoritmo e treinando o modelo
dataset_preenchido = dataset_surprise.build_full_trainset()
algoritmo = surprise.SVDpp() # SVD++
algoritmo.fit(dataset_preenchido)
dataset_missing = dataset_preenchido.build_anti_testset()
previsoes = algoritmo.test(dataset_missing)
df = pandas.DataFrame(previsoes)
df.drop(['r_ui','details'], inplace=True, axis=1)
df = df.sort_values('est',ascending = False).groupby('uid').head(3)
df['Posicao'] = df.groupby('uid').cumcount()
Resumo da aula:
0:09 Objetivo da aula
0:56 Recomendação de conteúdo - filmes, músicas, notícias, produtos, etc.
1:27 Curso completo de Machine Learning com Python
1:52 Requisito para exibição de imagens dinâmicas no Power BI com Simple Image
2:56 Carregando a base de dados no Power BI
4:14 Criando uma matrix para entendimento dos dados
6:40 Tabela com filmes e imagens
8:10 Site com filmes e imagens
8:38 Criando a tabela com filmes e URLs das imagens no Power BI
13:00 Relacionamento entre as tabelas
14:00 Script Python para selecionar os 20 filmes com mais avaliações
17:14 Treinamento do modelo de machine learning com Python
20:18 Realizando previsões de avaliações para cada usuário
24:34 Dashboard com usuários e filmes
25:35 Cartão de linha mútipla - filmes e avaliações
25:52 Segmentação de dados - filtro por usuário
26:57 Percentual de relevância do filme
29:38 Imagens dinâmicas dos filmes
32:40 Ajustando o visual do dashboard
37:30 Testando o dashboard para diferentes usuários
Artigo sobre Sistemas de Recomendação: didatica.tech/...
21 окт 2024
